# Load model directly
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("software-si/horeca-ner")
model = AutoModelForTokenClassification.from_pretrained("software-si/horeca-ner")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.
- Downloads last month
- 9
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("token-classification", model="software-si/horeca-ner")