意味役割ラベリング（Semantic Role Labeling, SRL）は、文の述語-項構造を発見することを目指しています。構文情報なしで行うエンドツーエンドのSRLは大きな注目を集めています。しかし、これらの大多数はスパンベースまたは依存関係ベースの意味表現形式のいずれかに焦点を当てており、それぞれ特定のモデル最適化しか示していません。一方で、これら2つのSRLタスクを一様に処理することはそれほど成功していません。本論文では、異なる2種類の項注釈を一様な方法で扱うための一貫した項表現を持つ、依存関係とスパン両方のSRLに対するエンドツーエンドモデルを提案します。さらに、我々はすべての述語と項を同時予測し、特に長らく無視されてきた述語識別サブタスクも含めます。我々の単一モデルは、スパン（CoNLL 2005, 2012）および依存関係（CoNLL 2008, 2009）SRLベンチマークにおいて新たな最先端の結果を達成しました。