句子语义分析是自然语言处理（Natural Language Processing,NLP）的重要难题之一。通用认知概念标记（Universal Cognitive Conceptual Annotation,UCCA）是 2013年提出的一种轻量级、跨语言的语义表示形式,它用一个有向无环图来表示句子的深层语义。因为UCCA图存在不连续性、可重入性（节点允许有多个父亲）等特点,UCCA语义分析是一个极具挑战性的任务。目前大部分工作都使用基于转移的方法来应对UCCA的复杂结构。而本文考虑到句法和语义的紧密联系,提出了多种句法驱动的UCCA语义分析方法。具体而言,本文的主要研究内容如下:（1）句法分析启发的UCCA语义分析我们首次提出了一种基于图的UCCA语义分析方法,将图解析任务拆解为短语结构分析以及远程边恢复两个子任务。首先,我们设计了一种算法将UCCA语义图转化为短语结构树,同时利用标签上添加的额外信息还原不连续结构和远程边。为了处理更加复杂的远程边,我们构建了一个基于双仿射（Biaffine）操作的分类模型。训练阶段,我们利用语义图转化而来的层次树,将短语结构分析器Span Parser和基于Biaffine的分类模型置于多任务学习（Multi-task Learning,MTL）框架下同时训练。预测阶段,我们先用短语结构分析器生成短语树,再逆向地执行转化算法,最后利用分类模型添加远程边,将树还原为UCCA语义图。实验结果表明,我们提出的模型在性能上大幅度优于之前广泛使用的基于转移的方法。（2）依存句法增强的UCCA语义分析考虑到句法对语义分析的帮助作用,我们首次尝试用依存句法信息来帮助UCCA语义分析任务。首先我们尝试了基于级联的方法,将额外的句法树、句法森林和句法感知隐状态融入到语义模型的输入中。其次我们还尝试了不同的MTL框架,利用大规模的句法数据来提升语义模型的性能。我们分别尝试了基于共享编码器和基于堆栈式的MTL框架。英文数据上的实验结果表明:1)不同形式的句法信息对UCCA语义分析都有帮助作用;2)基于堆栈式的MTL模型在两个测试集上都达到了最优性能,是利用句法信息的最佳方法;3)在引入了具有强大表征能力的BERT向量之后,句法信息的帮助作用明显弱化,但是最优的堆栈式框架仍然有一定提升。（3）句法驱动的UCCA语义分析平台搭建基于本文提出的句法驱动的UCCA语义分析模型,我们搭建了一个在线分析平台。给定一个英文句子,该平台能够自动解析出依存句法树、UCCA语义图以及UCCA语义分析模型的预测中间结果。为了对比UCCA和短语树的异同以及未来将短语句法的信息融入到模型中,我们增加了短语句法模块。此外,该平台还提供了在线接口方便用户调用这些广泛使用的模型。综上,我们深入研究了 UCCA语义分析这个任务,通过句法驱动的方法大幅度提升了 UCCA语义分析的性能,希望这些成果能够为语义分析以及其他NLP任务的发展提供帮助。