従来の深層自然言語生成（Deep NLG）手法は、構文的入力を構築し、機能語を予測し、構文的入力を線形化し、表面表現を生成するといった段階的なパイプラインアプローチを採用している。こうしたアプローチは直感的に理解しやすいものの、誤差の伝播という問題を抱えている。さらに、各モジュール間で共有可能な情報をすべてのモジュールが活用できないという課題もある。本研究では、線形化、機能語予測、語形生成を統合的に実行する遷移ベースのモデルを構築した。このモデルは、段階的ベースラインシステムと比較して、著しく高い精度を達成した。標準的な深層入力線形化共有タスクにおいて、本システムはこれまでに報告された最高の結果を達成した。