预训练语言模型时代的语义角色标注综合研究

《ARTIFICIAL INTELLIGENCE REVIEW》：A comprehensive survey of semantic role labeling in the era of pretrained language models

　　

摘要

语义角色标注（SRL）是自然语言处理领域中的一项核心任务，它有助于理解文本中的谓语-论元结构，从而为后续应用提供支持。尽管已有大量研究，但从统一视角对这一领域进行系统性综合分析的综述仍然不足。本综述在整理现有研究成果的基础上还做出了多项贡献：我们提出了一个以四种分析视角为基础的统一分类体系，从模型架构、句法特征建模、应用场景以及多模态扩展等方面对SRL相关研究进行了分类。此外，我们还基于文献分析了句法特征在何时以及为何能发挥作用，明确了在何种条件下，借助句法特征的方法能够比不使用句法特征的方法取得更稳定的优化效果。同时，我们对大语言模型时代下的SRL进行了批判性评估，探讨了大语言模型与专用SRL系统之间的互补作用，并指出了混合式方法的发展方向。此外，我们还将SRL综述的范围拓展到包括视觉、视频和语音等多模态场景，分析了不同模态在评估方面的结构差异。从方法论上看，本研究属于结构化叙述式综述，而非正式的系统评价：我们会在下文中说明具体的搜索流程和纳入标准，但不会遵循PRISMA风格的报告规范，比如同行评审或对纳入研究的正式质量评估。文献收集是通过对ACL Anthology、IEEE Xplore、ACM数字图书馆以及Google Scholar进行结构化搜索完成的，涵盖2000年至2025年的相关出版物，初始搜索在2025年3月完成，而在2025年12月之前的同行评审过程中又补充了一些新的文献。通过明确的纳入和排除标准，最终筛选出约200篇核心参考文献。本文还讨论了SRL的基准测试、评估指标和范式建模方法，以及各领域的实际应用情况。最后，我们对未来研究方向进行了分析，探讨了SRL在大语言模型以及更广泛的自然语言处理领域中的发展前景。