一句话定义：语义角色标注（Semantic Role Labeling, SRL）是让机器回答"这句话里谁对谁做了什么、在何时何地、用什么工具"的任务——它绕开句子的语法外壳，直接给每个成分贴上它在"事件"中扮演的角色。
打个比方：给一场戏排演员表
看这句："昨天张三在食堂用饭卡买了一份炒饭。"
谓语"买"是这场戏的核心事件，SRL 要产出的是一张演员表：
- 张三 → 施事（Agent），谁做的
- 一份炒饭 → 受事（Patient / Theme），被处置的对象
- 饭卡 → 工具（Instrument）
- 食堂 → 地点（Location）
- 昨天 → 时间（Time）
这些标签统称语义角色，也叫论元角色（semantic roles / arguments）。工程上通常分两步：先找出谓词（识别事件），再给每个论元打角色标签，形式上可当作序列标注或"问答式抽取"来做。
关键点在于：主语不等于施事。被动句"炒饭被张三买了"里，主语换成了炒饭，但施事仍是张三。正因如此，SRL 的标签跨句式相对稳定，抓的是含义层面的结构。另一个坑是谓词义项："买"和"卖"的施事与受事恰好对调，所以同一批角色清单要绑定义项来看；FrameNet、PropBank 这类框架提供了角色体系，具体定义以官方页面为准。
和相邻概念的区别
| 概念 | 关心什么 | 对"张三买炒饭"的输出 |
|---|---|---|
| 分词 / 词性标注 | 每个词的词类 | "买"是动词 |
| 依存句法分析 | 词与词的语法关系 | "张三"是"买"的主语 |
| 命名实体识别（NER） | 出现了哪些实体 | "张三"是人名，"食堂"是地点 |
| 语义角色标注 | 成分在事件中的角色 | "张三"是"买"的施事 |
| 关系抽取 | 实体之间是什么关系 | 张三—购买—炒饭 |
一句话：句法分析告诉你"句子怎么搭起来的"，SRL 告诉你"事情是怎么发生的"。
对从业者和普通人的意义
对从业者，SRL 是信息抽取的骨架：搜索里判断"谁收购了谁"、舆情里分辨"谁批评了谁"、合同里抽出"谁在多少天内付多少钱给谁"，都依赖这套角色划分；它也为知识图谱和问答系统提供结构化的事件表示。对普通人，它意味着机器从"字面匹配关键词"升级到"读懂谁干了啥"，减少张冠李戴式的误判。
值得一提的是，在大模型时代，SRL 常被当作提示词里的中间结构或评测维度，而不一定单独训一个模型；但"谁对谁做了什么"这个提问方式，依然是检验机器是否真读懂了句子的好尺子。