| --- |
| language: it |
| tags: |
| - ner |
| - ristorazione |
| - pytorch |
| - transformers |
| - fine-tuning |
| license: apache-2.0 |
| datasets: [] |
| metrics: |
| - f1 |
| --- |
| |
| # Modello NER per Estrazione di Caratteristiche Tecniche (Settore Ristorazione) |
|
|
| Questo modello Named Entity Recognition (NER) è stato fine-tunato per **estrarre caratteristiche tecniche** da richieste in linguaggio naturale nel contesto della **ristorazione professionale**. |
|
|
| --- |
|
|
| ## Obiettivo |
|
|
| Estrarre in automatico entità chiave da frasi come: |
|
|
| > _"Mi serve una cucina a gas con 6 fuochi su vano aperto e profondità 90."_ |
|
|
| Restituendo un output strutturato: |
|
|
| "TIPO_COTTURA": "gas", |
| "NUM_ZONE": "6", |
| "DISPOSIZIONE": "vano aperto", |
| "PROFONDITÀ": "90" |
|
|
| # Architettura |
|
|
| Modello base: xlm-roberta-base (multilingua) |
|
|
| Task: Token Classification (NER) |
|
|
| Strategia: Fine-tuning supervisionato con annotazioni in formato IOB2 |
|
|
| # Dataset |
|
|
| Il dataset è stato costruito a partire da richieste reali di tecnici. |
| Ogni frase è annotata manualmente con etichette come: |
|
|
| B-TIPO_COTTURA |
| |
| B-NUM_ZONE |
|
|
| B-DISPOSIZIONE |
|
|
| B-PROFONDITÀ |
|
|
| ⚠️ Il dataset non è attualmente pubblico. |
|
|
|
|
