🤖 machine learning

GLiNER-Relex: A Unified Framework for Joint Named Entity Recognition and Relation Extraction

GLiNER-Relex é um framework unificado e de código aberto que estende a arquitetura GLiNER para realizar reconhecimento de entidades nomeadas e extração de relações de forma conjunta em um único modelo, permitindo inferência zero-shot eficiente de tipos arbitrários de entidades e relações com desempenho competitivo em múltiplos benchmarks.

Autores originais: Ihor Stepanov, Oleksandr Lukashov, Mykhailo Shtopko, Vivek Kalyanarangan

Publicado 2026-05-12

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ihor Stepanov, Oleksandr Lukashov, Mykhailo Shtopko, Vivek Kalyanarangan

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um bibliotecário tentando organizar uma biblioteca massiva e caótica, onde os livros estão escritos em um idioma que você não compreende totalmente e as prateleiras estão cheias de anotações desordenadas. Seu objetivo é construir um "mapa de conhecimento" da biblioteca: você precisa encontrar pessoas e lugares específicos (Entidades Nomeadas) e, em seguida, descobrir como eles estão conectados (Relações).

Por muito tempo, os bibliotecários usaram uma linha de montagem de duas etapas:

Etapa 1: Um funcionário escaneia o texto para encontrar todos os nomes e lugares.
Etapa 2: Um segundo funcionário pega essa lista e tenta adivinhar as relações entre eles.

O problema? Se o primeiro funcionário cometer um erro (como identificar erroneamente um nome), o segundo está condenado a falhar. Isso é chamado de "propagação de erro".

Aparece o GLiNER-Relex: O "Super-Leitor"

Os autores deste artigo apresentam o GLiNER-Relex, uma nova ferramenta que atua como um único bibliotecário superinteligente que realiza ambos os trabalhos de uma só vez. Em vez de uma linha de montagem, é uma equipe unificada de um só.

Veja como funciona, usando analogias simples:

1. O "Tradutor Universal" (Aprendizado Zero-Shot)

A maioria das ferramentas antigas é como dicionários que conhecem apenas um conjunto fixo de palavras. Se você pedir para elas encontrarem um "padeiro famoso", elas podem não saber o que isso é, a menos que tenham sido especificamente treinadas para padeiros.

O GLiNER-Relex é diferente. É como um bibliotecário que fala todos os idiomas e entende todos os conceitos instantaneamente. Você pode dizer a ele: "Encontre-me todos os 'padeiros famosos' e 'especialistas em massa madre' neste texto", e ele entenderá essas instruções específicas imediatamente, mesmo que nunca tenha visto essas palavras exatas antes. Ele não precisa ser re-treinado; apenas precisa de uma descrição em linguagem natural do que você está procurando.

2. O "Cérebro Compartilhado" (Arquitetura Unificada)

Em vez de ter dois cérebros separados (um para nomes, outro para relações), este modelo possui um único cérebro compartilhado. Ele lê o texto, a lista de nomes que você deseja e a lista de relações que você deseja tudo ao mesmo tempo.

A Analogia: Imagine um detetive que não olha apenas para a foto de um suspeito (o nome) e, separadamente, para um mapa de suas conexões. Em vez disso, o detetive olha para a foto, o mapa e a cena do crime simultaneamente, entendendo como todos se encaixam em uma única olhada. Isso previne o "efeito cascata de erros", onde um palpite ruim na etapa um arruína a etapa dois.

3. O "Casamenteiro" (Pontuação de Relações)

Uma vez que o modelo encontra as pessoas e os lugares, ele precisa decidir quem está conectado a quem.

A Analogia: Imagine que você tem uma pilha de peças de quebra-cabeça (as pessoas encontradas) e uma caixa de peças de quebra-cabeça (as relações). O modelo tenta encaixar as peças. Ele pergunta: "A peça 'localizado em' se encaixa entre 'Paris' e 'Torre Eiffel'?". Ele pontua cada conexão possível. Se o encaixe for forte, ele mantém a conexão; se for fraco, ele descarta.

4. O "Demônio da Velocidade" (Eficiência)

O artigo compara esta ferramenta a modelos de IA massivos e poderosos (como o GPT-5-mini) que são como consultores supergênios. Embora os consultores sejam muito inteligentes, são lentos e caros para contratar.

A Analogia: O GLiNER-Relex é como um robô altamente treinado e especializado. Ele não é tão "criativo em profundidade" quanto o consultor supergênio, mas é 70 vezes mais rápido e roda em um computador padrão (uma única GPU), em vez de precisar de um servidor em nuvem massivo.
O Resultado: Nos testes, o robô foi quase tão preciso quanto o consultor gênio, mas terminou o trabalho em menos de um segundo, enquanto o consultor levou mais de um minuto.

O Que Eles Testaram?

Os autores testaram este "Super-Leitor" em quatro tipos diferentes de desafios de leitura difíceis:

Artigos de Notícias: Encontrar conexões simples em histórias curtas.
Documentos Longos: Encontrar conexões em artigos inteiros no estilo Wikipedia (onde a resposta pode estar no parágrafo 1 e a pessoa no parágrafo 10).
Tópicos Raros: Encontrar conexões para tópicos muito específicos e incomuns que o modelo nunca viu antes.
Domínios Mistos: Alternar entre diferentes assuntos como música, política e ciência sem se confundir.

O Veredito:
O GLiNER-Relex provou ser a melhor ferramenta "tudo-em-um" para essas tarefas. Ele superou outras ferramentas especializadas e até mesmo superou o consultor de IA massivo em documentos longos e tópicos mistos, tudo enquanto era incrivelmente rápido e barato de executar.

A Conclusão

O artigo afirma que o GLiNER-Relex é uma ferramenta gratuita e de código aberto que permite a qualquer pessoa construir um mapa de conhecimento a partir de texto bagunçado. Você apenas diz a ele o que procurar em inglês simples, e ele instantaneamente encontra os nomes e conecta os pontos, fazendo o trabalho de uma equipe de IA lenta e cara em uma fração do tempo.

Resumo Técnico: GLiNER-Relex

Declaração do Problema

A extração de informação (EI) a partir de texto não estruturado é crítica para a construção de grafos de conhecimento e para habilitar aplicações downstream como resposta a perguntas e geração aumentada por recuperação (RAG). Tradicionalmente, o Reconhecimento de Entidades Nomeadas (NER) e a Extração de Relações (RE) são tratados como tarefas separadas, frequentemente implementadas via abordagens em pipeline. Embora modulares, os pipelines sofrem com propagação de erros, onde falhas na identificação de entidades se propagam em cascata para a classificação de relações.

Abordagens recentes de zero-shot, como o framework GLiNER, unificaram com sucesso texto e rótulos de tipos de entidades dentro de um codificador compartilhado para reconhecer tipos de entidades arbitrários sem retreinamento. No entanto, o ecossistema GLiNER carecia de um modelo verdadeiramente unificado que realizasse tanto o reconhecimento de entidades quanto a extração de relações em uma única passagem forward com representações compartilhadas. Soluções existentes dependem ou de modelos separados (por exemplo, GLiREL, que requer entidades pré-identificadas) ou codificam relações implicitamente através de concatenação de rótulos, reduzindo a RE a um problema de extração de spans sem modelagem explícita de pares de entidades.

Metodologia

O GLiNER-Relex é uma arquitetura unificada que estende o framework GLiNER para realizar NER e RE conjuntas. O modelo opera em um cenário de zero-shot, aceitando rótulos em linguagem natural especificados pelo usuário para tipos de entidades e relações no momento da inferência.

Arquitetura

O framework consiste em cinco componentes principais:

Representação Unificada de Entrada: A sequência de entrada concatena três segmentos: rótulos de tipos de entidades (prefixados com [ENT]), rótulos de tipos de relações (prefixados com [REL]) e o texto de entrada. Este layout permite atenção cruzada entre texto, tipos de entidades e tipos de relações dentro de um codificador transformador bidirecional compartilhado (DeBERTa-v3-large na implementação).
Codificador Compartilhado: O codificador processa a sequência unificada para produzir estados ocultos contextualizados. Estes são separados em embeddings de palavras, embeddings de tipos de entidades (dos tokens [ENT]) e embeddings de tipos de relações (dos tokens [REL]).
Extração de Entidades: Seguindo a abordagem baseada em spans padrão do GLiNER, o modelo constrói representações para todos os spans candidatos até uma largura máxima ( $W=12$ ). As pontuações de entidades são computadas via similaridade de produto escalar entre representações de spans e embeddings de tipos de entidades projetados.
Construção de Pares de Entidades: O modelo identifica quais pares de entidades reconhecidas avaliar para relações. O checkpoint liberado utiliza uma estratégia de enumeração de todos os pares, gerando todos os pares ordenados de entidades reconhecidas. O framework também suporta um módulo opcional de seleção guiada por adjacência (usando decodificadores como Produto Escalar, Bilinear, MLP, Atenção, GCN ou GAT) para podar pares improváveis, embora isso não tenha sido ativado no modelo liberado.
Pontuação de Relações: Para pares de entidades selecionados, o modelo pontua-os contra embeddings de tipos de relações. O modelo liberado emprega uma Camada de Representação de Par, onde as representações das entidades cabeça e cauda são concatenadas e projetadas via um MLP para formar uma representação unificada de par. Isso é pontuado contra embeddings de tipos de relações via produto escalar. O framework também suporta funções de pontuação de tripletas inspiradas em grafos de conhecimento (por exemplo, variantes TransE, DistMult) como alternativas.

Objetivo de Treinamento

O modelo é treinado com um objetivo multi-tarefa combinando perda de extração de entidades ( $L_{ent}$ ) e perda de classificação de relações ( $L_{rel}$ ), ambas utilizando perda focal para lidar com desequilíbrio de classes. O checkpoint liberado omite a perda de adjacência ( $\lambda_A = 0$ ), focando em $L = \lambda_E L_{ent} + \lambda_R L_{rel}$ .

Estratégia de Dados

O treinamento segue um pipeline de duas etapas usando dados sintéticos gerados a partir do corpus FineWeb via Modelos de Linguagem de Grande Escala (LLMs):

Etapa 1 (Pré-treinamento): Aproximadamente 1 milhão de sentenças e 50.000 documentos de comprimento completo anotados pelo Qwen3-32B.
Etapa 2 (Ajuste Fino): Um conjunto de dados de alta qualidade de ~3.000 exemplos curados via um pipeline multi-etapa usando Gemini, envolvendo passagens de extração e correção para garantir consistência.

Contribuições Principais

Arquitetura Unificada: Um único modelo baseado em codificador que realiza simultaneamente reconhecimento de entidades e extração de relações, eliminando a propagação de erros entre etapas.
Capacidade Zero-Shot: O modelo suporta tipos de entidades e relações arbitrários especificados via rótulos em linguagem natural no momento da inferência, sem exigir retreinamento.
Mecanismo de Pontuação de Relações: Introdução de um módulo dedicado de pontuação de relações (especificamente a camada de representação de par) que permite generalização zero-shot para tipos de relações não vistos.
Avaliação Abrangente: Benchmarking em quatro conjuntos de dados padrão (CoNLL04, DocRED, FewRel, CrossRE) contra modelos especializados (GLiREL, GLiNER2) e grandes modelos de linguagem (GPT-5-mini).
Lançamento Open-Source: Disponibilidade como um pacote Python com uma API simples para extração conjunta.

Resultados Experimentais

O modelo foi avaliado em um cenário de zero-shot em quatro benchmarks:

CoNLL04: O GLiNER-Relex alcançou 40,4% de Micro-F1, aproximando-se de perto do GPT-5-mini (42,4%) e superando substancialmente o GLiNER2 (32,9%).
DocRED: O modelo alcançou 31,3% de Micro-F1, superando o GPT-5-mini (18,6%) e o GLiNER2 (11,7%) por margens significativas, demonstrando forte capacidade em raciocínio em nível de documento.
FewRel: O GLiNER-Relex pontuou 12,5%, ficando atrás do GPT-5-mini (15,0%) e do GLiNER2 (20,8%). Os autores observam que isso se deve parcialmente ao desenho do benchmark favorecer modelos com entidades pré-identificadas (uma condição atendida pelo GLiREL, que pontuou 24,0% com entidades de ouro) e ao desafio dos tipos finos do Wikidata.
CrossRE: O modelo alcançou o melhor desempenho com 18,1%, superando o GPT-5-mini (12,4%) e o GLiNER2 (6,0%), destacando forte transferibilidade entre domínios.

Eficiência: Em uma comparação de vazão em um conjunto retido, o GLiNER-Relex alcançou uma vazão de 1,11 docs/sec em uma única GPU NVIDIA L4, comparado a 0,016 docs/sec para o GPT-5-mini via API, representando uma vantagem de ~70x em velocidade.

Significado e Alegações

O artigo afirma que o GLiNER-Relex preenche a lacuna entre modelos eficientes baseados em codificadores e a necessidade de extração de informação unificada e zero-shot. Seu significado reside em:

Eliminação da Propagação de Erros: Ao modelar NER e RE conjuntamente dentro de um único codificador, o modelo evita os erros em cascata típicos de abordagens em pipeline.
Escalabilidade e Custo: A arquitetura baseada em codificador oferece melhorias de velocidade em ordens de magnitude e custos computacionais menores em comparação com LLMs autoregressivos, tornando-a adequada para pipelines de alto volume como construção de grafos de conhecimento.
Flexibilidade: A formulação zero-shot permite adaptação a novos domínios e esquemas simplesmente alterando rótulos em linguagem natural, sem retreinamento.
Desempenho: O modelo demonstra desempenho competitivo e, frequentemente superior, tanto a classificadores de relações especializados quanto a grandes modelos de linguagem, particularmente em cenários em nível de documento e entre domínios.

Os autores posicionam o GLiNER-Relex como uma espinha dorsal prática e eficiente para sistemas GraphRAG e outras aplicações que requerem extração de conhecimento estruturado a partir de texto não estruturado em diversos domínios.