초록
최근 BIO 태깅 기반의 신경망 의미 역할 라벨링 모델들은 매우 우수한 성능을 보이고 있지만, 금자(금속) 예언어(gold predicates)를 입력의 일부로 가정하고 스패ن 단위 특징(span-level features)을 통합할 수 없습니다. 우리는 모든 예언어, 인수 스패ン, 그리고 그들 사이의 관계를 공동으로 예측하는 종단(end-to-end) 접근법을 제안합니다. 이 모델은 가능한 모든 단어-스패너 쌍(word-span pair) 간에 어떤 관계가 있는지 독립적으로 결정하며, 각 결정에 대해 풍부하고 공유된 입력 특징을 제공하는 문맥화된 스패너 표현(contextualized span representations)을 학습합니다. 실험 결과 이 접근법이 금자 예언어 없이 PropBank SRL에서 새로운 최고 수준의 성과를 달성함을 보여주었습니다.