لقد لاقت التسمية الوظيفية الشاملة (SRL) من الطرف إلى الطرف اهتمامًا متزايدًا. إذ تقوم هذه المهمة بإجراء المهمتين الفرعيتين في SRL: تحديد الفعل (predicate identification) وتسمية دور المُعامل (argument role labeling) بشكل مشترك. وتركز الدراسات الحديثة بشكل رئيسي على النماذج العصبية القائمة على الرسوم البيانية، بينما لم تُدرس بعد إطار العمل القائم على الانتقال (transition-based) باستخدام الشبكات العصبية، والذي استُخدم على نطاق واسع في عدد من المهام المرتبطة بهذا المجال، من أجل المهمة المشتركة. في هذا البحث، نقدّم أول عمل يُطبّق النماذج العصبية القائمة على الانتقال في SRL الشاملة من الطرف إلى الطرف. يكتشف نموذج الانتقال لدينا تدريجيًا جميع الفعلات الجملية وعواملها من خلال مجموعة من إجراءات الانتقال. وتُنفَّذ إجراءات المهمتين الفرعيتين بشكل متبادل، مما يُتيح تفاعلًا كاملًا بينهما. بالإضافة إلى ذلك، نقترح استخدام التراكيب من الدرجة العالية لاستخراج السمات غير المحلية، والتي يمكن أن تعزز أداء النموذج الانتقالية المقترح بشكل أكبر. أظهرت النتائج التجريبية على مجموعتي بيانات CoNLL09 وUniversal Proposition Bank أن النموذج النهائي يمكنه تحقيق أفضل أداء مُسجّل حتى الآن، مع الحفاظ على كفاءة عالية جدًا في عملية التفكيك (decoding). كما أجرينا تحليلًا تجريبيًا مفصلًا لفهم أعمق للنموذج المقترح.