GLiNER2.5로 영어 문장에서 필드를 JSON으로 추출하기

GLiNER2.5는 문장과 찾을 항목의 이름을 입력받아, 해당 항목과 원문에서의 위치를 돌려주는 정보 추출 모델이에요. 이 예제는 영어 고객지원 문장에서 제품명·오류 코드·문제 내용을 찾아 JSON 레코드로 저장해요.

공식 저장소는 fastino/gliner2.5-base-v1를 권장 영어 체크포인트¹로 안내하고, 설치는 pip install "gliner2[local]" 예제를 제공합니다. 이 체크포인트를 한국어 문장에 적용해도 같은 품질이 나온다고 추정하지 말고 영어 표본으로 먼저 검증하세요.

문서 한 종류를 고르고 추출할 엔티티 이름과 관계 방향을 정합니다. 실행 예시는 AutoExtractor.from_pretrained("fastino/gliner2.5-base-v1")로 모델을 불러온 뒤, field·relation·attribute 정의를 넣어 구조를 지정해요.

아래 Python 코드를 extract.py로 저장하세요. source_id, 원문, 모델 반환값을 한 객체에 담아 파일로 저장하므로, 결과를 원문과 함께 검수할 수 있어요.

import json
from gliner2 import AutoExtractor

model = AutoExtractor.from_pretrained("fastino/gliner2.5-base-v1")
source_id = "ticket-001"
text = "The Atlas 14 laptop stopped charging with error E-204 after the March update."
schema = {"product": [
    "name::str::Product name and model",
    "error_code::str::Error code mentioned in the report",
    "issue::str::What went wrong",
]}
result = model.extract_json(text, schema)
record = {"source_id": source_id, "text": text, "extraction": result}
with open("extraction.json", "w", encoding="utf-8") as f:
    json.dump(record, f, ensure_ascii=False, indent=2)
print(json.dumps(record, ensure_ascii=False, indent=2))

사람이 라벨한 문장 100개를 준비해 entity span의 precision·recall, 관계의 precision·recall, JSON 파싱 성공률을 각각 계산하세요. 전체 점수 하나로 합치면 어떤 필드가 자주 빠지거나 잘못 연결되는지 숨겨질 수 있습니다.

오탐 수정 시간과 잘못된 관계가 후속 검색·업무 처리에 미치는 비용도 기록합니다. 문서가 영어가 아니거나 표·레이아웃이 복잡하면, 먼저 OCR²로 추출한 텍스트가 모델의 입력 가정에 맞는지 따로 확인하세요.

표 구조를 그대로 살려야 하거나 문서 전체를 한 번에 옮겨야 한다면, 항목 추출 모델보다 문서 파서를 먼저 비교하세요. 여기서는 정해 둔 항목만 찾으므로 표의 칸과 읽는 순서는 별도로 확인해야 해요.