意味的役割ラベル付けのためのMRCフレームワーク

意味役割ラベリング（Semantic Role Labeling, SRL）は、文の述語-項構造を認識することを目的としており、述語の意味の曖昧性解消（predicate disambiguation）と項のラベリング（argument labeling）という2つのサブタスクに分解できる。従来の手法はこれらの2つのタスクを独立して処理していたが、これにより両者の意味的関連性が無視されてしまう。本研究では、このギャップを埋めるために、機械読解（Machine Reading Comprehension, MRC）フレームワークを活用する手法を提案する。具体的には、述語の意味の曖昧性解消を複数選択式の機械読解問題として定式化し、与えられた述語の候補となる意味の説明を選択肢として用い、正しい意味を特定する。得られた述語の意味は、その後、その述語に対する意味的役割（semantic roles）を決定するために利用され、これらの意味的役割をもとに、別のMRCモデル用のクエリを構築する。このアプローチにより、項ラベリングにおいて述語の意味と意味的役割の意味情報を同時に活用できる。さらに、計算効率を高めるために、すべての可能な意味的役割のサブセットを選択する戦略も提案する。実験の結果、提案するフレームワークは、既存手法と比較して最先端の性能を達成するか、同等の結果を示した。実装コードは以下のURLから公開されている：\url{https://github.com/ShannonAI/MRC-SRL}。