GLiNER2多任务Schema实战：一次前向传播同时完成5类抽取任务

GLiNER2多任务Schema实战：一次前向传播同时完成5类抽取任务

【免费下载链接】GLiNER2Unified Schema-Based Information Extraction项目地址: https://gitcode.com/gh_mirrors/gl/GLiNER2

GLiNER2 是一个 Schema 驱动的统一信息抽取框架，能在一次前向传播中同时完成实体抽取、文本分类、结构化记录、关系抽取与片段属性标注 5 类任务。传统做法要为每类任务部署一个模型、跑一遍管线，而 GLiNER2 只需用一个 Schema 声明所有任务，调用一次extract()即可拿到全部结果，推理成本几乎不随任务数增加，且支持纯 CPU 本地运行。

为什么需要"一次前向传播"做多任务？

常见的信息抽取管线通常这样工作：

1. 跑一遍 NER 模型抽实体
2. 跑一遍分类模型判情感
3. 跑一遍 JSON 抽取模型解析字段
4. ……再跑一遍关系抽取

每一遍都要把文本重新编码一次，模型越多，延迟越高、维护成本越大。

GLiNER2 的思路是Schema 条件化（schema-conditioned）：所有任务共用同一个 DeBERTa-v3 编码器，任务类型（实体、标签、字段、关系）被编码为查询条件注入同一次前向传播。换句话说，5 个任务共享同一次文本编码，这就是"一次前向传播"的含义。

5 类任务一览

上图展示了配合 GLiNER2 使用的微调与部署界面：上传训练数据、选择模型、一键训练后即可在本地或服务端推理。

快速上手：3 步完成多任务抽取

安装带本地推理的完整包（需 Python 3.10+）：

pip install gliner2[local]

第 1 步：加载模型。AutoExtractor会根据检查点自动选择 span（GLiNER2）或 boundary（GLiNER2.5）架构：

from gliner2 import AutoExtractor, AttributeGroup extractor = AutoExtractor.from_pretrained("fastino/gliner2.5-base-v1")

第 2 步：用一个 Schema 声明全部 5 类任务。链式调用即可，详见 tutorial/4-combined.md：

schema = ( extractor.create_schema() # ① 文本分类 .classification("sentiment", ["positive", "negative", "neutral"]) # ② 实体抽取 .entities(["person", "product", "company"]) # ③ 片段属性：只给 product 标注情感 .entity_attributes({ "span_sentiment": AttributeGroup( ["positive", "negative", "neutral"], applies_to=["product"], qualify_labels=True, ) }) # ④ 关系抽取 .relations(["works_for"]) # ⑤ 结构化抽取 .structure("order_info") .field("order_number", dtype="str") .field("amount", dtype="str") .field("status", dtype="str", choices=["pending", "shipped", "delivered"]) )

第 3 步：一次调用，全部返回。

text = ("Tim Cook works for Apple. I ordered an iPhone for $999, " "status is shipped. Great camera, disappointing battery.") result = extractor.extract( text, schema, include_confidence=True, # 每个结果带置信度 include_spans=True, # 每个片段带 [start, end) 字符位置 )

返回是一个字典，5 类任务的结果并列其中：sentiment给出文档级情感，entities按类型分组，span_sentiment挂在对应 product 片段上，relation_extraction给出 works_for 的头尾对，order_info给出结构化的字段值。

3 个实用技巧

1. 用描述提升抽取精度

实体类型可以写成{类型名: 描述}的形式，描述会被编码进 Schema 查询，显著提升歧义场景的准确率。例如把"medication": "药品或药物名称"作为实体定义，比裸词"medication"更稳。

2. 片段属性 ≠ 文档分类

一篇评测可以整体"中性"，但其中 iPhone 摄像头是"正面"、电池是"负面"。文档级情感用.classification()，片段级情感用.entity_attributes()，两者可以共存于同一个 Schema。更多细节见 tutorial/13-span_attributes.md。

3. 长文档与批量处理

文本超过模型窗口时，用extract_long()/batch_extract_long()，它会自动按重叠分块、把片段位置映射回原文并合并重叠区的重复结果。多个文档则用batch_extract()，还可以为每条文档指定不同的 Schema。

进阶：需要全局一致的关系图时用 JointIE

上面第 ④ 类的关系抽取是"独立解码"——关系和实体分别打分，无法保证works_for的头一定是 person、尾一定是 organization，也无法限制"每个人最多一个雇主"。

如果这类约束对业务很重要，升级到JointIE：它在候选分数之上做带约束的图搜索，保证整张关系图全局满足你声明的类型端点、唯一性、无自环、无环等硬约束。完整用法见 tutorial/15-joint_ie.md。

相关文档与源码

• 多任务组合详解（含发票、医疗、法律等完整 Schema 示例）：tutorial/4-combined.md
• 片段属性教程：tutorial/13-span_attributes.md
• 联合信息抽取（带约束关系图）：tutorial/15-joint_ie.md
• 训练数据格式与微调教程：tutorial/8-train_data.md、tutorial/9-training.md
• Schema 构建器源码：gliner2/inference/schema.py
• 抽取运行时（extract/extract_long实现）：gliner2/inference/runtime.py

小结

GLiNER2 把"多个模型、多次编码"压缩成"一个 Schema、一次前向传播"，是构建统一信息抽取管线的高效选择。

【免费下载链接】GLiNER2Unified Schema-Based Information Extraction项目地址: https://gitcode.com/gh_mirrors/gl/GLiNER2