摘要
我们提出了一种新的深度学习模型用于语义角色标注（Semantic Role Labeling, SRL），该模型显著提升了当前技术水平，并通过详尽的分析揭示了其优势与局限性。模型采用深层高速公路双向LSTM（BiLSTM）架构，并结合约束解码机制，同时遵循了近期多项关于参数初始化与正则化的最佳实践。我们构建的8层集成模型在CoNLL 2005测试集上取得了83.2的F1分数，在CoNLL 2012测试集上达到83.4的F1分数，相较于此前的最先进方法，相对错误率降低了约10%。对性能提升的广泛实证分析表明：（1）深层模型在捕捉长距离依赖关系方面表现出色，但仍可能产生明显且出人意料的错误；（2）当前句法分析器仍有进一步提升空间，以进一步改善语义角色标注的性能。