語彙意味論において、文全体の分割と各セグメントのラベル付けは、それらが互いに依存しているにもかかわらず、一般的に別々に扱われる。本研究では、複数語表現の同定／分類やスーパーセンスタグ付けといった従来分離されていたアノテーションスタイルを統合的に捉えるため、一貫した語彙意味認識タスクが有効であると仮説を立てた。STREUSLEコーパスを用いてニューラルCRFシーケンスタガーを学習し、アノテーションのさまざまな側面においてその性能を評価した。本研究で用いるラベルセットは、以前のタスク（PARSEME、DiMSUM）のものよりも一般化されたものであるため、モデルがこれらのテストセットへの一般化能力をどの程度持つかについても評価した。その結果、STREUSLEのみで学習されたモデルであっても、既存のモデルと同等またはそれを上回る性能を達成することが明らかになった。本研究は、語彙意味の統合的かつ正確なモデリングを実現するためのベースラインモデルと評価指標を確立し、今後の研究を促進する基盤を提供している。