意味役割ラベリング

自然言語処理において、意味役割ラベリング（浅層意味解析またはスロットフィリングとも呼ばれる）とは、文中の単語や句に、行為者、目的、結果などの文中における意味役割を示すラベルを割り当てるプロセスである。

これは文の意味を見つけるのに役立ちます。そのためには、文の述語または動詞に関連付けられた引数を検出し、それらが特定の役割にどのように分類されるかを調べます。一般的な例として、「Mary sold the book to John」という文があります。行為者は「Mary」、述語は「sold」（または「to sell」）、主題は「the book」、受取人は「John」です。別の例として、「the book belongs to me」には「possessed」と「possessor」という2つのラベルが必要であり、「the book was sold to John」には主題と受取人という2つのラベルが必要になります。これら2つの節は「主語」と「目的語」の機能に似ていますが、同様です。^{[ 1 ]}

1968 年、意味役割ラベリングの最初のアイデアはCharles J. Fillmoreによって提案されました。^{[ 2 ]}彼の提案はFrameNetプロジェクトにつながり、多くの述語とその対応する役割を体系的に記述した最初の主要な計算語彙が生まれました。Daniel Gildea (現在はロチェスター大学、以前はカリフォルニア大学バークレー校/国際コンピュータ科学研究所) とDaniel Jurafsky (現在はスタンフォード大学で教鞭を執っていますが、以前はコロラド大学とUC バークレーで働いていました) は、FrameNet に基づく最初の自動意味役割ラベリング システムを開発しました。PropBankコーパスは、手動で作成された意味役割注釈をウォール ストリート ジャーナルのテキストのPenn Treebankコーパスに追加しました。多くの自動意味役割ラベリング システムは、新しい文を自動的に注釈する方法を学習するためのトレーニング データセットとして PropBank を使用しています。^{[ 3 ]}

意味役割ラベリングは、主に機械が文中の単語の役割を理解するために使用されます。^{[ 4 ]}これは、言語の単語だけでなく、さまざまな文でどのように使用できるかを理解する必要がある自然言語処理プログラムと同様のアプリケーションに役立ちます。 ^{[ 5 ]}意味役割ラベリングの理解が深まると、質問応答、情報抽出、自動テキスト要約、テキストデータマイニング、音声認識の進歩につながる可能性があります。^{[ 6 ]}

• 固有表現認識
• 語彙意味論
• 意味解析
• 構文木

• ジュラフスキー、ダン；マーティン、ジェームズ H. (2009)。「20.9 意味役割ラベリング」。音声と言語処理：自然言語処理、計算言語学、音声認識入門。プレンティスホール人工知能シリーズ（第2 版）。ニュージャージー州アッパーサドルリバー：ピアソン・プレンティスホール。ISBN 978-0-13-187321-6. OCLC 213375806 . 

• CoNLL-2005共有タスク：意味役割ラベリング
• イリノイ・セマンティック・ロール・ラベラー：最先端のセマンティック・ロール・ラベリング・システム（デモ版）
• 前置詞SRL：前置詞によって表現される意味関係を識別する
• Shalmaneserは、意味述語と役割を割り当てるための、もう一つの最先端システムである。