이 논문은 CoNLL 2019 공동 과제인 '프레임워크 간 의미 표현 구문 분석(Cross-Framework Meaning Representation Parsing)'에 참여한 우리 시스템(HIT-SCIR)에 대해 설명한다. 우리는 기본적인 전이 기반 구문 분석기(transition-based parser)에 두 가지 개선 사항을 도입하였다. 첫째, 스택 LSTM의 병렬 학습을 실현함으로써 학습 효율성을 높였다. 둘째, 깊이 있는 문맥 기반 단어 표현인 BERT를 채택하여 효과적인 표현을 가능하게 하였다. 일반적으로, 프레임워크별 전이 기반 분석기, BERT를 활용한 강화된 단어 표현, 그리고 후처리 단계를 포함하는 통합적인 파이프라인을 제안하였다. 최종 평가 결과, 전체 F1 점수(ALL-F1, 86.2%)에서 1위를 기록하였으며, 특히 UCCA 프레임워크에서 81.67%의 점수로 1위를 차지하였다.