В докладе представлены результаты исследования подхода переноса обучения языковых моделей для извлечения именованных сущностей и отношений между ними. В частности был рассмотрен и проанализирован сквозной (end-to-end) метод решения поставленной задачи. Данный метод предполагает, что входными данными являются неподготовленные текстовые данные, а в качестве результата необходимо получить границы именованных сущностей, а также тип (класс) отношения между ними. Таким образом, в рамках одной постановки решается две крупнейших задачи области обработки естественных языков: named entity recognition (NER) и relation classification (RE). В дополнение к данной формулировке были рассмотрены условия обучения языковых моделей без примеров (zero-shot learning, ZSL). Такая постановка позволяет рассмотреть более сложные применения исследованного решения, в частности осуществление переноса знаний с одной предметной области, на другую. В работе представлен анализ новой постановки задачи, не рассмотренной ранее, предлагаемое решение и анализ проведенных экспериментов. В частности, было показано, что предлагаемое решение перспективно для решения сложной комбинированной задачи, однако требует дальнейших исследований.