当今世界上大量的信息存储在结构化和半结构化的知识库中,对其进行查询的高效、简单的方法必不可少,方法不能仅限于拥有查询语言专业知识的人使用。语义解析领域涉及到将自然语言语句转换成计算机可执行的逻辑形式。借助于语义解析,人们可以不借助于专家,直接通过语义解析器将自然语言语句转换为逻辑形式,并对知识库进行查询。语义解析的发展历经三个阶段,基于规则模型、基于统计的学习模型、基于神经网络模型,每一阶段相较于上一阶段,对专家的依赖程度降低。基于编码器-解码器架构的seq2seq模型是基于神经网络的模型。部分模型引入抽象语法树,将意义表示的语法先验融入遍历抽象语法树而转换成的操作序列中,相较于处理意义表示时将其当做序列的模型,该转换使得待生成的序列长度变长,导致模型准确率降低。针对以上问题,提出了基于语法的双层编码器解码器系统（Grammar Constrained Double Layer encoder decoder system,简称GCDL enc-dec system）。主要工作包括以下两部分:第一部分,为了引入语法先验,保证模型生成意义表示合法,构建了GCDL enc-dec系统中的语法模型和转移系统。语法模型实现了意义表示与树的转换,转移系统实现了树与操作序列的转化。通过上述转换将语法先验融入操作序列,将生成意义表示转换为生成操作序列。第二部分,构建了GCDL enc-dec系统中GCDL enc-dec模型,将意义表示的生成过程分解为两个过程,第一层编码器解码器对文本编码,生成抽象概要树操作序列,第二层编码器解码器对上一层的结果进行编码并融合第一层的编码信息,生成抽象语法树序列。GCDL enc-dec模型通过双层结构,首先生成复杂度较低概要树序列,然后生成最终的抽象语法树。语法模型、转移系统、GCDL enc-dec模型组成了GCDLenc-dec系统。实验结果表明,GCDL enc-dec系统在语义解析、代码生成等数据集上的准确率、BLEU分数均有提高,证明了系统的有效性。