#150 · 主分类： 自然语言处理与文本处理
relik
acl2024
bert
entity-linking
huggingface
natural-language-processing
nlp
relation-extraction
retrieval
retriever-reader
span-extraction
transformers
triplet-extraction
wikipedia
检索、阅读和LinK：在学术预算下的快速准确的实体链接和关系抽取（ACL 2024）
项目最后更新：07/29/25
GitHub Stars
518
Forks数量
40
贡献者数量
7
许可证
Apache-2.0
收录理由
ReLiK 解决的问题很具体：从文档里找出命名实体，把每个实体对应到知识库里的标准条目，再抽取它们之间的关系。它的“检索-阅读-链接”流程把延迟和内存占用压得很低，单张消费级显卡就能跑起来，这对没有大型计算集群的团队来说相当实用。仓库里直接提供了在 Hugging Face 上预训练好的检索器和阅读器模型，还带命令行工具、服务接口和完整的训练流程，从跑通演示到用自己的数据微调，不用把零散的工具拼凑在一起。研究人员也能把 ACL 2024 的论文和配套实现当作实体链接与关系抽取工作的可靠起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。