一种极其简单的实体与关系抽取方法

端到端关系抽取旨在识别命名实体并抽取它们之间的关係。近期多数工作将这两个子任务联合建模，要么将其置于一个结构化预测框架中，要么通过共享表示进行多任务学习。在本工作中，我们提出一种简单的流水线式实体与关系抽取方法，并在标准基准（ACE04、ACE05 和 SciERC）上确立了新的最先进水平，在关系 F1 上比使用相同预训练编码器的以往联合模型取得 1.7%-2.8% 的绝对提升。我们的方法本质上基于两个独立的编码器，仅使用实体模型为关系模型构建输入。通过一系列细致考察，我们验证了为实体和关系学习不同上下文表示、在关系模型中尽早融合实体信息以及引入全局上下文的重要性。最后，我们还提出了一种对本文方法的高效近似，在推理时仅需实体与关系编码器各一次前向计算，以轻微精度损失实现了 8-16$\times$ 加速。