シーケンスラベリングとは、与えられた入力の各トークンにクラスまたはラベルを順序に従って割り当てる基本的な自然言語処理タスクである。近年、このタスクに影響を与えるシーケンスラベリング問題を解決するために、多数の高度なニューラルネットワークアーキテクチャが提案されてきた。一方で、シーケンスアンサンブル問題に対処するアプローチはまだ少数にとどまっている。本稿では、提案するアンサンブルフレームワークにおいてシーケンスアライメント手法を適用することで、シーケンスアンサンブル問題を解決する。具体的には、単一のニューラルシーケンスラベリングネットワークから複数の異種システムを容易に構築できる、シンプルかつ効率的なアンサンブル候補生成フレームワークを提案する。提案フレームワークの有効性を検証するため、品詞タグ付け（POS tagging）および依存関係ラベル予測問題について実験を実施した。その結果、Penn Treebank POSタグ付きデータセットおよびUniversal Dependencyタグ付きデータセットにおいて、それぞれハードボーティング法と比較して、提案フレームワークは正解率が0.19および0.33ポイント向上したことが示された。