论文页面 - GLiNER-Relex：联合命名实体识别与关系抽取的统一框架

来源: https://huggingface.co/papers/2605.10108

摘要

一种用于联合命名实体识别和关系抽取的统一模型，它使用共享的 Transformer 编码器来同时识别实体并提取关系，具备零样本（zero-shot）能力。

联合命名实体识别 (https://huggingface.co/papers?q=Joint%20named%20entity%20recognition) (NER) 和关系抽取 (https://huggingface.co/papers?q=relation%20extraction) (RE) 是自然语言处理中的基础性任务，旨在从无结构文本中构建知识图谱。尽管最近的方法通常将 NER 和 RE 视为需要独立模型处理的不同任务，但我们提出了 GLiNER (https://huggingface.co/papers?q=GLiNER)-Relex，这是一种统一架构，扩展了 GLiNER (https://huggingface.co/papers?q=GLiNER) 框架，使得单个模型能够同时执行实体识别和关系抽取 (https://huggingface.co/papers?q=relation%20extraction)。我们的方法利用共享的双向 Transformer 编码器 (https://huggingface.co/papers?q=bidirectional%20transformer%20encoder) 对文本、实体类型标签和关系类型标签进行联合表示，从而能够在推理时指定任意实体和关系类型，实现零样本抽取 (https://huggingface.co/papers?q=zero-shot%20extraction)。GLiNER (https://huggingface.co/papers?q=GLiNER)-Relex 从已识别的文本片段构建实体对表示 (https://huggingface.co/papers?q=entity%20pair%20representations)，并使用专用的关系评分模块 (https://huggingface.co/papers?q=relation%20scoring%20module) 根据关系类型嵌入对其进行评分。我们在四个标准的关系抽取 (https://huggingface.co/papers?q=relation%20extraction) 基准数据集上评估了该模型：CoNLL04 (https://huggingface.co/papers?q=CoNLL04)、DocRED (https://huggingface.co/papers?q=DocRED)、FewRel (https://huggingface.co/papers?q=FewRel) 和 CrossRE (https://huggingface.co/papers?q=CrossRE)。结果表明，该模型在保持 GLiNER (https://huggingface.co/papers?q=GLiNER) 系列特有的计算效率的同时，性能与专用的关系抽取 (https://huggingface.co/papers?q=relation%20extraction) 模型及大型语言模型相比具有竞争力。该模型作为开源 Python 包发布，提供简单的推理 API，允许用户在推理时指定任意的实体和关系类型标签，并通过一次调用同时获取实体和关系三元组。所有模型和代码均已公开。

查看 arXiv 页面 (https://arxiv.org/abs/2605.10108) 查看 PDF (https://arxiv.org/pdf/2605.10108) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.10108)

在您的 Agent 中获取此论文：

hf papers read 2605\.10108

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

暂无链接到此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2605.10108 即可从此页面链接该论文。

引用此论文的数据集 0

暂无链接到此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2605.10108 即可从此页面链接该论文。

引用此论文的 Spaces 0

暂无链接到此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2605.10108 即可从此页面链接该论文。

包含此论文的合集 0

暂无包含此论文的合集

将此论文添加到合集 (https://huggingface.co/new-collection) 即可从此页面链接该论文。