摘要

预训练语言模型的引入已将许多复杂的特定任务自然语言处理（NLP）模型简化为轻量级的附加层。然而，共指消解（coreference resolution）是一个例外，其通常在预训练Transformer编码器的基础上附加一个复杂的任务专用模型。尽管该方法效果显著，但其内存占用极大——主要源于动态构建的片段（span）及片段对（span-pair）表示——这严重限制了对完整文档的处理能力，也阻碍了在单个批次中同时训练多个实例。为此，我们提出一种轻量级端到端共指消解模型，该模型摒弃了对片段表示、手工特征及启发式规则的依赖。在保持与当前主流模型相当性能的同时，新模型结构更简洁、效率更高。