概述

语义角色标注 (Semantic Role Labeling, SRL) 是一种浅层的语义分析技术，标注句子中某些短语为给定谓词的论元 (语义角色) ，如施事、受事、时间和地点等。其能够对问答系统、信息抽取和机器翻译等应用产生推动作用。

缺点

• 对于特定谓词进行标注，多谓词没有提到
• 不会补出句子所省略的部分语义，信息有所缺失

核心的语义角色

A0-5 六种，A0 通常表示动作的施事，A1通常表示动作的影响等，A2-5 根据谓语动词不同会有不同的语义含义

附加的语义角色

• ADV adverbial, default tag ( 附加的，默认标记 )

• BNE beneficiary ( 受益人 )
• CND condition ( 条件 )
• DIR direction ( 方向 )
• DGR degree ( 程度 )
• EXT extent ( 扩展 )
• FRQ frequency ( 频率 )
• LOC locative ( 地点 )
• MNR manner ( 方式 )
• PRP purpose or reason ( 目的或原因 )
• TMP temporal ( 时间 )
• TPC topic ( 主题 )
• CRD coordinated arguments ( 并列参数 )
• PRD predicate ( 谓语动词 )
• PSR possessor ( 持有者 )
• PSE possessee ( 被持有 )

传统方法

• 依赖句法分析的结果进行。因为句法分析包括短语结构分析、浅层句法分析、依存关系分析，所以语义角色标注也可以按照此思路分类。
• 基于短语结构树的语义角色标注方法
• 基于浅层句法分析结果的语义角色标注方法
• 基于依存句法分析结果的语义角色标注方法
• 基于特征向量的 SRL
• 基于最大熵分类器的 SRL
• 基于核函数的 SRL
• 基于条件随机场的 SRL
• 各方法的不同，主要集中在他们论元检出的过程有什么不同。

统一标注的过程

句法分析->候选论元剪除->论元识别->论元标注->语义角色标注结果

• 论元剪除：在较多候选项中去掉肯定不是论元的部分（span）
• 论元识别：一个二值分类问题，即：是论元和不是论元
• 论元标注：一个多值分类问题

# 短语结构分析
S——| 
|     | 
NN    VP 
我       |——| 
           Vt    NN 
           吃     肉

分类问题的特征设计

• 谓词本身、
• 短语结构树路径、
• 短语类型、
• 论元在谓词的位置、
• 谓词语态、
• 论元中心词、
• 从属类别、
• 论元第一个词和最后一个词、
• 组合特征。

应用领域

• 数字图书馆建设
• 信息检索
• 信息抽取
• 科技文献知识抽取

目前弊端

• 依赖于句法分析的准确性
• 领域适应能力差
• 现有的分类算法还有多大潜力可挖掘？同样的，还能设计多少新特征？很难了。
• end-to-end 就不用依赖于句法分析的结果了
• 多语平行语料有助于弥补准确性的问题？