न्यूरल सेमांटिक रोल लेबलिंग में predicates और arguments की संयुक्त भविष्यवाणी

हाल की BIO-टैगिंग पर आधारित न्यूरल सेमांटिक रोल लेबलिंग मॉडल बहुत उच्च प्रदर्शन कर रहे हैं, लेकिन ये इनपुट के हिस्से के रूप में स्वर्ण predicates मानते हैं और स्पैन-स्तरीय विशेषताएँ शामिल नहीं कर सकते। हम सभी predicates, arguments spans, और इनके बीच के संबंधों की संयुक्त भविष्यवाणी के लिए एक एंड-टू-एंड दृष्टिकोण प्रस्तुत करते हैं। मॉडल स्वतंत्र रूप से निर्णय लेता है कि क्या हर संभव शब्द-स्थान जोड़ी के बीच कोई संबंध है या नहीं, और सम-contextualized स्थान प्रतिनिधित्व सीखता है जो प्रत्येक निर्णय के लिए समृद्ध, साझा इनपुट विशेषताएँ प्रदान करता है। प्रयोग दर्शाते हैं कि यह दृष्टिकोण PropBank SRL पर बिना स्वर्ण predicates के एक नए राज्य की कला स्थापित करता है। 1