fn_registry/dev/issues/completed/0039-glirel-relation-extractor.md

id, title, status, type, domain, scope, priority, depends, blocks, related, created, updated, tags

id	title	status	type	domain	scope	priority	depends	blocks	related	created	updated	tags
0039	GLiREL relation extractor (zero-shot relations → triplets)	completado	feature		multi-app	media				2026-05-17	2026-05-17

0039 — GLiREL relation extractor (zero-shot relations → triplets)

Metadata

Campo	Valor
ID	0039
Estado	pendiente
Prioridad	media
Tipo	feature — Python (python/functions/datascience/)

Dependencias

Bloquea-por: 0038 (las entidades vienen del extractor GLiNER o del LLM). Recomendado leer extract_relations_llm_py_datascience y relation_candidate_py_datascience para mantener contrato.

Desbloquea: 0040 (pipeline hibrido), extraccion de triplets (sujeto, predicado, objeto) masiva sin LLM.

---

Objetivo

Wrapper sobre GLiREL (jackboyla/glirel-large-v0) que, dadas entidades ya extraidas y un set de tipos de relacion, devuelve list[RelationCandidate] con el mismo contrato que extract_relations_llm. Output natural en triplets (from, relation_type, to) reusables por deduplicate_relations, merge_graphs y ops_to_sigma_json.

Funciones a crear

Function ID	Rol
glirel_load_model_py_datascience	Carga + cachea el modelo. purity: impure
extract_relations_glirel_py_datascience	Extractor de relaciones. purity: impure

Contrato

def glirel_load_model(
    model_name: str = "jackboyla/glirel-large-v0",
    device: str = "auto",
) -> "GLiREL": ...

def extract_relations_glirel(
    text: str,
    entities: list[EntityCandidate],     # del paso anterior (GLiNER o LLM)
    relation_types: list[str],           # ej: ["works_for","owns","communicated_with"]
    model: "GLiREL",
    threshold: float = 0.5,
    max_pairs: int = 0,                  # 0 = todas las parejas
) -> list[RelationCandidate]

GLiREL necesita los spans de las entidades (attributes["start"]/end), por eso 0038 los expone. Si la entidad viene del LLM y no tiene offsets, se buscan con text.find(name) como fallback (con warning).

Pureza

Ambas purity: impure. error_type: error_go_core.

Deliverables

• python/functions/datascience/glirel_load_model.py + .md
• python/functions/datascience/extract_relations_glirel.py + .md
• Tests con 2-3 textos donde las relaciones son explicitas (X trabaja en Y, A llamo a B), schema de 3-5 relation types.
• pyproject.toml: añadir glirel al extra nlp.
• Documentar limitacion: GLiREL es bueno para relaciones explicitas en el texto, malo para razonamiento implicito. Para esos casos seguir usando LLM (eso es lo que orquesta 0040).

Validacion

./fn run extract_relations_glirel_py_datascience

Comparar precision/recall vs extract_relations_llm sobre el mismo corpus + entidades. Registrar en el .md.

Notas

• Triplets: el output es RelationCandidate(from_name, to_name, relation_type, ...). from_name/to_name deben coincidir con entidades del input — si no, descartar (igual que la version LLM).
• Si una relation_type no aparece en el output, no es un error — solo significa que GLiREL no encontro evidencia.
• deduplicate_relations_py_datascience ya soporta este formato sin cambios.
• Ver issue 0040 para combinar GLiREL con LLM-fallback en el mismo pipeline.