摘要
本文介绍并分析了一组用于语义角色标注问题的推理模型：一种基于约束满足的推理模型，以及几种使用区分分类器将推理建模为元学习问题的策略。这些分类器开发了一组丰富的新特征，用于编码命题和句子级别的信息。据我们所知，这是第一项工作：（a）对基于学习的语义角色标记推理模型进行彻底分析，（b）在此背景下比较几种推理策略。我们仅使用自动生成的语法信息，在CoNLL-2005共享任务的框架内评估所提出的推理策略。广泛的实验评估和分析表明，所有建议的推理策略都是成功的——它们都优于CoNLL-2005评估练习中报告的当前最佳结果——但每个建议的方法都有其优缺点。最先进的SRL组合策略的几个重要特征来自于此分析：（i）单个模型应在候选参数的粒度上组合，而不是在完整解决方案的粒度上；（ii）最佳组合策略使用基于学习的推理模型；基于学习的推理得益于max-margin分类器和全局反馈。
