随着自然语言处理技术的发展,自然语言处理的应用也越来越广泛,比如在聊天机器人、智能搜索、智能推荐等应用中,都运用上了自然语言处理的技术。此外,国家之间的交流也越来越频繁,人们对于各种语言的深层语义理解的需求也越来越大。语义依存图分析任务便是针对该需求所提出的任务之一。语义依存图以图的形式将语义信息进行了有序地组合,通过依存弧和语义标签定义了若干对语义单元,从而可以直接回答何时（when）、何地（where）、何事（what）、何因（why）、何人（who）等问题。本文定义了一种新的跨语言的语义依存图表示方案,该方案能够在同一个体系下标注多种语言,具有良好的跨语言性,此外,该方案定义的语义粒度适中,可以为下游的各项任务提供更精确的语义信息。本文所定义的方案对于语义标签的定义清晰,可操作性强。本文贡献了一套该方案下的在中文、英文上的高精度数据集,中文有500句,英文有1000句。此外,本文还针对语义图标注难度大、标注成本高的问题提出了两种图到图的转换算法,一种是基于Label Switching的伪数据增强算法,一种是基于图神经注意力网络的算法。在预训练模型强大的表征能力和这两种策略的高效的建模能力的帮助下,可以实现将已有的大规模语义图库和句法树库快速、准确地转换为本方案下的标注,从而实现多语言语料库的快速构建,为后续的研究工作奠定了基础。