Моделирование распознавания семантических ролей для русского языка

Разметка семантических ролей (SRL), или неглубокий семантический парсинг, предполагает присвоение семантических меток участникам предикатно-аргументной структуры. В последнее десятилетие задаче SRL в целом и, в частности, нейронным подходам уделяется большое внимание. Результаты очень многообещающие, однако лишь несколько авторов исследовали эту область на материале русского языка. Таким образом, мы провели исследование SRL на основе семантически аннотированного ресурса FrameBank (Кашкин, Ляшевская 2013) с помощью нейронных сетей. Наш подход включает этап предобработки данных, сравнение предварительно обученных эмбеддингов, этап построения модели с несколькими слоями и выбора оптимальной архитектуры и заключительный этап критического анализа полученных результатов на внешнем тесте. В результате работы мы представляем многослойную нейронную сеть с двунаправленной долгой краткосрочной памятью (BiLSTM), применяемую для семантического парсинга русских предложений. Ключевые слова: обработка естественного языка, распознавание семантических ролей, семантический парсинг, нейронные сети, русский язык.