異なる種類の情報を統合する能力は知能の核心であり、あるタスクで学習した知識が他のタスクでの一般化に役立つことで、実践的な価値が非常に大きいです。本論文では、意味解析の性能向上という難問に取り組み、UCCA（Universal Conceptual Cognitive Annotation）解析をテストケースとし、AMR（Abstract Meaning Representation）、SDP（Semantic Dependency Parsing）、およびUniversal Dependencies (UD) 解析を補助タスクとして扱います。3つの言語を使用し、すべての解析タスクに対して一貫した遷移ベースのシステムと学習アーキテクチャを用いて実験を行いました。概念的、形式的、および領域的な違いが顕著であるにもかかわらず、マルチタスク学習がドメイン内およびドメイン外の設定においてUCCA解析の性能を大幅に向上させることを示しています。