摘要

语义角色标注（SRL）是自然语言处理（NLP）领域中的一个基本而具有挑战性的任务。近年来，SRL的研究主要分为两个方向：1) 基于BIO的方法；2) 基于片段的方法。尽管这些方法普遍应用，但它们都存在一些内在缺陷，即没有考虑论元内部的结构，这可能会限制模型的表达能力。主要问题在于论元是扁平结构，其内部词汇没有确定的子树实现。为了解决这一问题，本文提出将扁平论元片段视为潜在子树，从而将SRL任务转化为树解析任务。具体而言，我们在模型中引入了一种新颖的片段约束TreeCRF（树条件随机场），使其能够感知片段结构，并进一步将其扩展到二阶情况。我们在CoNLL05和CoNLL12基准数据集上进行了广泛的实验。实验结果表明，我们的方法在所有先前的语法无关工作中表现优异，在端到端和使用黄金谓词两种设置下均达到了新的最先进水平。