ReLiK：检索与链接——在学术预算下快速准确的实体链接与关系抽取

实体链接（EL）和关系抽取（RE）是自然语言处理中的基础任务，是广泛应用中不可或缺的组件。在本文中，我们提出了ReLiK，一个用于EL和RE的检索器-阅读器架构：给定输入文本，检索器模块负责识别可能出现在文本中的候选实体或关系。随后，阅读器模块负责辨别检索到的相关实体或关系，并将其与相应的文本片段对齐。值得注意的是，我们提出了一种创新的输入表示，将候选实体或关系与文本结合，使得实体链接或关系抽取可在单次前向传播中完成，并充分利用预训练语言模型的上下文建模能力，这与此前需要为每个候选进行单独前向传播的检索器-阅读器方法形成对比。我们的EL和RE方法在域内和域外基准测试中均取得了最先进性能，同时仅使用学术预算训练，推理速度相比竞争者提升高达40倍。最后，我们展示了该架构可无缝用于信息抽取（IE），即EL+RE，通过共享阅读器同时抽取实体和关系，设立了新的最先进水平。