fn_registry/python/functions/datascience/extract_entities_gliner.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
extract_entities_gliner	function	py	datascience	1.0.0	impure	def extract_entities_gliner(text: str, entity_schema: list[dict], model: Any, threshold: float = 0.5, flat_ner: bool = True) -> list[EntityCandidate]	Extrae entidades zero-shot con GLiNER. Drop-in del contrato de extract_entities_llm pero 50-200x mas rapido y sin coste por token. El caller inyecta el modelo cargado con gliner_load_model. Anota offsets start/end en attributes para reconciliar con extract_iocs.	gliner ner nlp entity extract zero-shot osint graph datascience python	gliner_load_model_py_datascience	entity_candidate_py_datascience		false	error_go_core	warnings	name desc text chunk de texto a analizar (parrafo, documento corto, output de OCR) name desc entity_schema lista de dicts con 'type_ref' y 'label'. Mismo formato que extract_entities_llm. El 'label' se usa como label de GLiNER. name desc model instancia GLiNER cargada con gliner_load_model. Inyectar para evitar penalty de carga en batch. name desc threshold score minimo para aceptar una entidad (0.0-1.0). Defecto 0.5 — ajustable segun precision/recall objetivo. name desc flat_ner True (defecto) sin entidades anidadas; False permite spans solapados (ej. 'Universidad de Madrid' como ORG y 'Madrid' como LOC en simultaneo)	lista de EntityCandidate con name, type_ref, type_label, confidence y attributes={'start': int, 'end': int}	true	Schema basico y modelo stub retorna EntityCandidate con offsets Threshold filtra spans con score bajo Schema vacio lanza ValueError Schema sin label+type_ref validos retorna vacio con warning Excepcion del modelo se captura y retorna vacio Label desconocido se descarta flat_ner se propaga al modelo	python/functions/datascience/tests/test_extract_entities_gliner.py	python/functions/datascience/extract_entities_gliner.py

Ejemplo

from python.functions.datascience import (
    gliner_load_model,
    extract_entities_gliner,
)

model = gliner_load_model(device="auto")

schema = [
    {"type_ref": "osint_person_go_cybersecurity", "label": "Person"},
    {"type_ref": "osint_organization_go_cybersecurity", "label": "Organization"},
    {"type_ref": "osint_location_go_cybersecurity", "label": "Location"},
]

text = "Alice Johnson works at OpenAI in San Francisco."
entities = extract_entities_gliner(text, schema, model, threshold=0.4)
# [EntityCandidate(name='Alice Johnson', type_ref='osint_person_go_cybersecurity',
#                  attributes={'start': 0, 'end': 13}, confidence=0.92), ...]

Drop-in con extract_entities_llm

El retorno es identico (list[EntityCandidate]), por lo que se puede sustituir sin tocar el resto del pipeline (deduplicate_entities, merge_entity_attributes, etc). Diferencias:

• Coste: GLiNER = 0 USD/token. LLM = depende de modelo.
• Latencia: GLiNER 50-200x mas rapido en GPU.
• IoCs tecnicos (IPs, hashes, wallets, CVEs): GLiNER es malo — usar extract_iocs_py_cybersecurity para esos. Combinar regex + GLiNER en el pipeline hibrido (issue 0040).
• Schemas con muchos tipos: GLiNER pierde precision con >20 labels; LLM la mantiene. Para esquemas grandes, dividir en bloques.
• Razonamiento implicito ("CEO de la empresa"): el LLM lo deduce, GLiNER solo extrae lo explicito.

Notas

• El modelo se carga UNA vez por proceso. No cargarlo aqui dentro: penalty fatal en batch. Inyeccion explicita por contrato.
• impure: el modelo es estado externo (memoria, GPU si aplica). error_type: error_go_core segun la regla de pureza del registry.
• Si flat_ner=False, validar que el caller dedupica/normaliza spans solapados — EntityCandidate.attributes['start'/'end'] permite hacerlo facilmente.
• Para precision maxima, ajustar threshold por dominio: 0.3-0.4 para recall alto, 0.6-0.8 para precision alta.