GLiNER-Relex: 공동 개체명 인식 및 관계 추출을 위한 통합 프레임워크

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

May 11, 2026

저자: Ihor Stepanov, Oleksandr Lukashov, Mykhailo Shtopko, Vivek Kalyanarangan

cs.AI

초록

개체명 인식(NER)과 관계 추출(RE)을 결합하는 것은 비정형 텍스트로부터 지식 그래프를 구축하기 위한 자연어 처리의 기본 작업이다. 최근 접근법들이 NER과 RE를 별도의 모델을 필요로 하는 개별 작업으로 다루는 반면, 우리는 GLiNER 프레임워크를 확장하여 단일 모델에서 개체명 인식과 관계 추출을 모두 수행하는 통합 아키텍처인 GLiNER-Relex를 소개한다. 우리의 접근법은 공유된 양방향 트랜스포머 인코더를 활용하여 텍스트, 개체 유형 레이블, 관계 유형 레이블을 공동으로 표현함으로써 추론 시에 지정된 임의의 개체 및 관계 유형을 제로샷으로 추출할 수 있게 한다. GLiNER-Relex는 인식된 스팬으로부터 개체 쌍 표현을 구성하고 전용 관계 점수화 모듈을 사용하여 관계 유형 임베딩과 대조하여 점수를 매긴다. 우리는 CoNLL04, DocRED, FewRel, CrossRE의 네 가지 표준 관계 추출 벤치마크에서 모델을 평가하였으며, 전문 관계 추출 모델과 대규모 언어 모델 모두에 대해 경쟁력 있는 성능을 입증함과 동시에 GLiNER 계열의 특징인 계산 효율성을 유지함을 보여준다. 이 모델은 사용자가 추론 시에 임의의 개체 및 관계 유형 레이블을 지정하고 단일 호출로 개체와 관계 삼중항을 모두 얻을 수 있는 간단한 추론 API를 갖춘 오픈소스 파이썬 패키지로 공개되었다. 모든 모델과 코드는 공개적으로 이용 가능하다.

English

Joint named entity recognition (NER) and relation extraction (RE) is a fundamental task in natural language processing for constructing knowledge graphs from unstructured text. While recent approaches treat NER and RE as separate tasks requiring distinct models, we introduce GLiNER-Relex, a unified architecture that extends the GLiNER framework to perform both entity recognition and relation extraction in a single model. Our approach leverages a shared bidirectional transformer encoder to jointly represent text, entity type labels, and relation type labels, enabling zero-shot extraction of arbitrary entity and relation types specified at inference time. GLiNER-Relex constructs entity pair representations from recognized spans and scores them against relation type embeddings using a dedicated relation scoring module. We evaluate our model on four standard relation extraction benchmarks: CoNLL04, DocRED, FewRel, and CrossRE, and demonstrate competitive performance against both specialized relation extraction models and large language models, while maintaining the computational efficiency characteristic of the GLiNER family. The model is released as an open-source Python package with a simple inference API that allows users to specify arbitrary entity and relation type labels at inference time and obtain both entities and relation triplets in a single call. All models and code are publicly available.