摘要

语义角色标注（Semantic Role Labeling, SRL）旨在识别句子中的谓词-论元结构，可分解为两个子任务：谓词消歧与论元标注。以往的研究通常独立处理这两个任务，忽略了二者之间的语义关联。本文提出采用机器阅读理解（Machine Reading Comprehension, MRC）框架来弥合这一差距。我们将谓词消歧建模为多选型机器阅读理解任务，其中给定谓词的候选义项描述作为选项，用于选择正确的语义义项。随后，利用所选的谓词义项来确定该谓词的语义角色，并基于这些语义角色构建查询，输入至另一个MRC模型以完成论元标注。通过这种方式，我们能够同时利用谓词语义和语义角色语义来提升论元标注的性能。此外，为提高计算效率，我们提出从所有可能的语义角色中选取一个子集进行处理。实验结果表明，所提出的框架在多个基准数据集上达到了当前最优或与现有方法相当的性能。代码已公开，地址为：\url{https://github.com/ShannonAI/MRC-SRL}。