文の意味構造を分析する上で重要なタスクである意味役割ラベリング（Semantic Role Labeling: SRL）は、与えられた述語に対して名詞句が果たす意味的役割（例えば、主体）を特定することを目的としており、対話システムなどの下流タスクにおいて重要な役割を果たしている。SRLにおける高い性能を達成するためには、モデルが文脈情報を良好に理解している必要がある。これまで、BERTなどの高度なテキストエンコーダを用いて文脈情報を捉える手法が用いられてきたが、さらにモデル性能を向上させるためには追加のリソースも必要となる。文の構文構造と意味構造の間に相関関係が存在することに着目し、多くの先行研究では、特に依存関係（dependencies）を含む自動生成された構文知識をグラフベースのアーキテクチャを用いて文脈情報のモデリングに活用している。しかしながら、他の種類の自動生成知識については、その活用が限定的であった。本論文では、既存のツールキットから得られる異なる種類の自動生成構文知識（すなわち、品詞タグ、構文的構成（syntactic constituencies）、語の依存関係）を統合的にエンコードする「マップメモリ（map memories）」を提案し、SRLの性能向上を図る。SpanスタイルSRLを対象とした2つの英語ベンチマークデータセット（CoNLL-2005およびCoNLL-2012）における実験結果から、本手法の有効性が示され、強力なベースラインを上回り、CoNLL-2005では最先端の性能を達成した。