意見役割ラベリング（Opinion Role Labeling: ORL）は、細粒度の意見抽出において重要なタスクであり、与えられた意見トリガーに対して、意見主（holder）や対象（target）といった重要な意見論点を特定することを目的とする。このタスクは、述語に対してその意味論的論点（例：主体・対象）を特定する意味論的役割ラベリング（Semantic Role Labeling: SRL）と強く関連している。一般的に、述語の主体（agent）と対象（patient）は、それぞれ意見の主（holder）と対象（target）に対応するため、SRLの情報をORLに活用することは有望である。本研究では、SRLから学習された意味論的注意型単語表現（semantic-aware word representations）を用いてORLを向上させる、簡潔かつ新規な手法を提案する。これらの表現は、ベースラインのニューラルORLモデルの基本入力として用いられる。提案手法の有効性は、標準ベンチマークであるMPQAコーパス上で検証された。実験結果から、本手法が非常に効果的であることが確認された。さらに、SRL統合に関する代表的な2つの手法と比較した結果、本手法はそれらを顕著に上回り、より優れた手法よりもFスコアで1.47%高い性能を達成した。