Wir präsentieren eine einfache, jedoch überraschend wirksame Methode zum Selbsttraining eines zweistufigen Parser-Reranker-Systems unter Verwendung leicht verfügbaren, unbeschrifteten Datensatzes. Wir zeigen, dass ein derartiger Bootstrapping-Ansatz für die Satzanalyse möglich ist, wenn die bootstrappierten Parse-Bäume von einem diskriminativen Reranker verarbeitet werden. Unser verbessertes Modell erreicht eine F-Score von 92,1 %, was einer absoluten Verbesserung von 1,1 % (12 % Reduktion des Fehlers) gegenüber dem bisher besten Ergebnis für die Wall Street Journal-Parsing-Aufgabe entspricht. Schließlich liefern wir eine detaillierte Analyse, um das beobachtete Phänomen besser zu verstehen.