我々は、意味役割ラベリング（SRL）のための新たな深層学習モデルを提案し、従来の最先端技術を大幅に上回る性能を実現した。さらに、モデルの強みと限界を明らかにするための詳細な分析も併せて提示する。本モデルでは、制約付きデコードを用いた深層ハイウェイBiLSTMアーキテクチャを採用し、初期化および正則化に関する最近のベストプラクティスを反映している。8層のアンサンブルモデルは、CoNLL 2005テストセットで83.2のF1スコア、CoNLL 2012では83.4のF1スコアを達成し、従来の最先端技術と比べて約10%の相対誤差低減を実現した。これらの性能向上を詳細に実証的に分析した結果、(1) 深層モデルは長距離依存関係の回復において優れた性能を発揮するが、依然として予想外に顕著な誤りを犯すことがある、(2) 構文解析器のさらなる改善により、さらなる性能向上が可能であるという課題が明らかになった。