본 연구는 대규모 언어 모델(LLM)의 한계를 극복하기 위해, 술어-인수 구조를 명시적으로 표현하는 의미 역할 레이블링(SRL) 모델을 재검토합니다.
BERT-base를 사용했을 때 기존 AllenNLP 프레임워크와 유사한 예측 성능을 달성했으며, RoBERTa와 DeBERTa를 사용하면 F1 점수가 향상되었습니다.
의존성 정보를 활용한 분석을 통해 LLM의 행동을 이해하고, 다국어 SRL 투영과 같은 후속 작업에 활용할 수 있는 명시적인 구조를 제공합니다.