意味役割ラベリングを依存解析として：主張内の潜在的な木構造の探索

意味役割ラベリング（SRL）は、自然言語処理（NLP）コミュニティにおいて基本的でありながら難易度の高いタスクです。最近のSRLに関する研究は主に以下の2つのアプローチに分類されます：1) BIOベース；2) スパンベース。これらの手法は広く使用されていますが、内部の引数構造を考慮していないという本質的な欠点を持っています。これはモデルの表現力を制限する可能性があります。特に問題となるのは、引数が平坦な構造であるため、引数内の単語には確定した部分木の実現がないことです。これを解決するために、本論文では平坦な引数スパンを潜在的部分木とみなす方法を提案し、それに基づいてSRLを木構造解析タスクに帰着させることを試みます。特に、我々の定式化には新しいスパン制約付きTreeCRFを導入し、これを二次元の場合にも拡張しています。我々はCoNLL05およびCoNLL12ベンチマークで広範な実験を行いました。結果は、我々の手法がすべての従来の文法情報非依存型の研究よりも優れていることを示しており、エンドツーエンド設定およびゴールド述語設定の両方で新たな最先端性能を達成しています。