我们介绍了用于神经网络转换依赖句法分析的结构感知器训练方法。通过使用金标准语料库（gold corpus）并结合大量自动解析的句子，我们学习了神经网络表示。在这一固定的网络表示基础上，我们利用带有束搜索解码（beam-search decoding）的结构感知器来学习最终层。在宾夕法尼亚树库（Penn Treebank）上，我们的解析器达到了94.26%的无标签依存关系准确率和92.41%的有标签依存关系准确率，据我们所知，这是迄今为止斯坦福依存关系（Stanford Dependencies）的最佳准确率。此外，我们还进行了详细的消融分析，以确定模型中的哪些方面对准确率提升贡献最大。