本論文では、スタンフォード大学のシステムがCoNLL 2018 UD共有タスクで使用されたことを説明します。当該システムは、完全なニューラルパイプラインシステムであり、生テキストを入力として受け取り、トークン化や文分割から品詞タグ付けや依存関係解析まで、共有タスクで要求されるすべてのタスクを実行します。私たちの単一システム提出は大規模コーパスにおいて非常に競争力のある性能を達成しました。さらに、不運なバグを修正した後、当該システムは公式評価指標LAS（Labeled Attachment Score）、MLAS（Multi-word Token Labeled Attachment Score）、BLEX（Bilexical Dependency Parsing Evaluation）において2位、1位、3位となり、低リソースコーパスカテゴリにおいてすべての指標で他の提出システムを大幅に上回る性能を示しました。また、広範なアブレーションスタディを通じて、異なるモデルコンポーネントの有効性も示しています。