เปรียบเทียบวิธี

	การระบุบทบาทเชิงความหมาย (Semantic Role Labeling - SRL)	การตรวจจับเหตุการณ์	การตอบคำถาม (Question Answering - QA)
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline	Process / pipeline
ปีกำเนิด	2002	—	—
ผู้ริเริ่ม	Daniel Gildea & Daniel Jurafsky	—	—
ประเภท	NLP shallow semantic parsing task	NLP information-extraction task	NLP text-comprehension task
แหล่งต้นตำรับ	Gildea, D. & Jurafsky, D. (2002). Automatic Labeling of Semantic Roles. Computational Linguistics, 28(3), 245-288.	Doddington, G. et al. (2004). The Automatic Content Extraction (ACE) Program — Tasks, Data, and Evaluation. LREC.	Rajpurkar, P. et al. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP.
ชื่อเรียกอื่น	SRL, shallow semantic parsing, Anlamsal Rol Etiketleme (SRL)	event extraction, Olay Tespiti (Event Detection)	QA, machine reading comprehension, Soru Cevaplama (Question Answering)
ที่เกี่ยวข้อง	3	4	4
สรุป	Semantic role labeling, introduced by Gildea and Jurafsky in 2002, is a natural-language-processing task that assigns semantic roles — who did what to whom, where, when, and how — to the components around a verb (predicate) in a sentence. It turns plain text into structured predicate-argument representations and is a foundational tool for event extraction.	Event detection is a natural-language-processing information-extraction task that finds events, historical developments, and action expressions in text and classifies them by type. It grew out of the Automatic Content Extraction (ACE) program described by Doddington et al. (2004) and is widely used in news analysis and historical research.	Question answering is a natural-language-processing task that automatically answers natural-language questions grounded in a given context passage, using either extractive or generative approaches. The task was crystallised by the SQuAD benchmark of Rajpurkar et al. (2016), and later models such as XLNet (Yang et al., 2019) pushed reading-comprehension accuracy higher.