摘要
端到端语义角色标注（Semantic Role Labeling, SRL）近年来受到越来越多的关注。该任务联合完成SRL的两个子任务：谓词识别与论元角色标注。当前的研究主要集中在基于图神经网络的模型，而尽管基于转移（transition-based）的神经网络框架在多个相关任务中已被广泛采用，但其在端到端SRL联合任务中的应用尚未得到充分探索。本文首次提出面向端到端SRL的基于转移的神经模型。我们的转移模型通过一系列转移操作，逐步识别句子中的所有谓词及其对应的论元。两个子任务的转移动作相互协同执行，实现充分的交互。此外，我们引入高阶特征组合机制以提取非局部上下文特征，从而进一步提升模型性能。在CoNLL09与Universal Proposition Bank数据集上的实验结果表明，所提出的模型达到了当前最优的性能水平，同时在解码效率方面也表现出显著优势。我们还进行了详尽的实验分析，以深入理解所提出模型的内在机制与表现特性。