我们通过转换范式统一了不同的广泛覆盖语义解析任务，并提出了一种基于注意力机制的神经框架，该框架通过一系列语义关系逐步构建意义表示。借助多种注意力机制，转换器可以有效训练而无需依赖预训练的对齐器。在三个独立的广泛覆盖语义解析任务——抽象意义表示（AMR）、依存关系语义解析（SDP）和统一概念层次分析（UCCA）——上进行的实验表明，我们的基于注意力机制的神经转换器在AMR和UCCA任务上均优于现有方法，在SDP任务上的表现也与现有最佳方法相当。