Recette : Extraire les relations entre entités

L’extraction de relations transforme des phrases en faits que vous pouvez stocker dans un graphe ou une table. Vous définissez les libellés d’entités et les types de relations, et GLiNER renvoie chaque relation sous la forme d’une entité de tête, d’une entité de queue et du type de relation.

Requête

curl -X POST https://api.fastino.ai/v1/chat/completions \
  -H "Authorization: Bearer $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "fastino/gliner2.5-multi-v1",
  "messages": [
    {
      "role": "user",
      "content": "Lena Vogel works for Siemens in Munich. Siemens acquired Altair Engineering in 2025."
    }
  ],
  "schema": {
    "entities": [
      {
        "name": "person",
        "description": "full name of a person"
      },
      {
        "name": "organization",
        "description": "company or institution"
      },
      {
        "name": "location",
        "description": "city or country"
      }
    ],
    "relations": {
      "works_for": {
        "description": "a person is employed by an organization"
      },
      "located_in": {
        "description": "an organization or person is based in a place"
      },
      "acquired": {
        "description": "one organization bought another"
      }
    }
  },
  "threshold": 0.5,
  "store": false
}'

Schéma de la requête

Champ	Type	Dans cette recette
`model`	string	`fastino/gliner2.5-multi-v1`.
`messages`	array	Un message `user` contenant le texte à analyser.
`schema.entities`	array	Les libellés d’entités que relient les relations.
`schema.relations`	object	Une clé par type de relation. `description` indique ce que signifie la relation, y compris son sens.
`threshold`	number	Confiance minimale, de 0 à 1. Valeur par défaut : `0.5`.
`store`	boolean	Vaut `true` par défaut, ce qui enregistre l’inférence. `false` permet de s’y soustraire.

Réponse

GLiNER renvoie le résultat sous forme de chaîne JSON dans choices[0].message.content. Une fois analysé, il se présente ainsi. Mesuré sur https://api.fastino.ai ; les valeurs de confiance varient légèrement d’un appel à l’autre.

{
  "entities": {
    "person": [
      {
        "text": "Lena Vogel",
        "confidence": 1.0,
        "start": 0,
        "end": 10
      }
    ],
    "organization": [
      {
        "text": "Siemens",
        "confidence": 0.996,
        "start": 21,
        "end": 28
      },
      {
        "text": "Siemens",
        "confidence": 0.992,
        "start": 40,
        "end": 47
      },
      {
        "text": "Altair Engineering",
        "confidence": 0.973,
        "start": 57,
        "end": 75
      }
    ],
    "location": [
      {
        "text": "Munich",
        "confidence": 1.0,
        "start": 32,
        "end": 38
      }
    ]
  },
  "relation_extraction": {
    "works_for": [
      {
        "head": {
          "text": "Lena Vogel",
          "start": 0,
          "end": 10,
          "confidence": 0.988
        },
        "tail": {
          "text": "Siemens",
          "start": 21,
          "end": 28,
          "confidence": 0.988
        }
      }
    ],
    "located_in": [
      {
        "head": {
          "text": "Siemens",
          "start": 40,
          "end": 47,
          "confidence": 0.977
        },
        "tail": {
          "text": "Munich",
          "start": 32,
          "end": 38,
          "confidence": 0.977
        }
      }
    ],
    "acquired": [
      {
        "head": {
          "text": "Siemens",
          "start": 40,
          "end": 47,
          "confidence": 0.938
        },
        "tail": {
          "text": "Altair Engineering",
          "start": 57,
          "end": 75,
          "confidence": 0.938
        }
      }
    ]
  }
}

Schéma de la réponse

Champ	Type	Signification
`relation_extraction`	object	Une clé par type de relation défini.
`relation_extraction.<type>[].head`	object	L’entité d’où part la relation, avec `text`, `confidence`, `start` et `end`.
`relation_extraction.<type>[].tail`	object	L’entité vers laquelle pointe la relation, avec les mêmes champs.

Les relations sont renvoyées sous relation_extraction, et non sous relations.

Exploiter la réponse

import json

result = json.loads(response.json()["choices"][0]["message"]["content"])

facts = [
    (pair["head"]["text"], relation, pair["tail"]["text"])
    for relation, pairs in result["relation_extraction"].items()
    for pair in pairs
    if min(pair["head"]["confidence"], pair["tail"]["confidence"]) >= 0.5
]
for head, relation, tail in facts:
    graph.add_edge(head, tail, type=relation)

L’adapter

Indiquez le sens dans chaque description, par exemple « a person is employed by an organization », afin que les têtes et les queues soient dans le bon ordre.
Définissez des libellés d’entités pour chaque type d’élément que relient vos relations, afin que les entités soient typées dans vos résultats.
Abaissez threshold pendant le réglage pour voir les quasi-correspondances, puis filtrez dans le code sur la confiance de la tête et de la queue.
Stockez start et end avec chaque fait, afin de pouvoir remonter à sa phrase source.

Appeler GLiNER

Chaque type de schéma GLiNER et la façon de lire son résultat.

Référence de l'API Chat Completions

Chaque champ, limite et erreur de POST /v1/chat/completions.

Démarrage

Modèles de décision

Entités et classification

API d'inférence

API d'entraînement

Dépannage

Intégrations SDK

Modèles

Compte

Recette : Extraire les relations entre entités

Requête

Schéma de la requête

Réponse

Schéma de la réponse

Exploiter la réponse

L’adapter

Appeler GLiNER

Référence de l'API Chat Completions

​Requête

​Schéma de la requête

​Réponse

​Schéma de la réponse

​Exploiter la réponse

​L’adapter

Appeler GLiNER

Référence de l'API Chat Completions

Requête

Schéma de la requête

Réponse

Schéma de la réponse

Exploiter la réponse

L’adapter