与基础序列到序列BART不同，该框架利用约束分类器在每步解码中仅预测输入token或关系，并重用编码器表示来更好利用预训练知识，从而在实体关系联合抽取中取得最先进性能。
Chang, Hongyang · Xu, Hongfei · van Genabith, Josef · 熊德意 · Zan, Hongving Ying
IEEE/ACM Transactions on Audio Speech and Language Processing 2023
分类器在每步解码时仅从输入token或预定义关系中预测，避免生成无效实体或关系，保证输出序列的合法性。
分类器直接复用预训练BART编码器的表示，而非重新训练权重矩阵，从而更好地利用预训练知识和上下文感知表示，提升分类性能。
在广泛使用的NYT和WebNLG数据集上，该方法超越了已有研究，建立了新的最先进结果（精确匹配F1分别为92.91和91.37）。