最近のBIOタグ付けベースのニューラル意味役割ラベリングモデルは非常に高性能ですが、入力にゴールド述語を前提としており、スパンレベルの特徴を組み込むことができません。本研究では、すべての述語、引数スパン、およびそれらの間の関係を共同で予測するエンドツーエンドアプローチを提案します。このモデルは、すべての可能な単語-スパンペア間にどのような関係（もしあれば）が存在するかについて独立した決定を行い、各決定に豊富な共有入力特徴を提供する文脈化されたスパン表現を学習します。実験結果は、ゴールド述語なしでPropBank SRLにおいて新たな最先端の性能を達成していることを示しています。