Modelpublic

Kahouli/c10-ner-b2b-chr

sourceHugging Facemitupdated 5mo agoView on Hugging Face

0likes

Model Card

🍺 C10 NER – Extraction d'entités pour commandes B2B CHR

Modèle NER spaCy custom entraîné pour extraire les entités métier dans les commandes professionnelles du secteur CHR (Cafés, Hôtels, Restaurants).

Entités reconnues

Label	Description	Exemple
`PRODUCT`	Nom de marque / produit	Heineken, Coca-Cola
`FORMAT`	Contenance	33cl, fût 30L
`QUANTITY`	Quantité demandée	6, deux
`PACKAGING`	Conditionnement	carton, palette, fût
`CATEGORY`	Famille de produit	bière blonde, softs
`FREQUENCY`	Récurrence	chaque semaine
`DELIVERY_DATE`	Date / délai	vendredi, le 15
`CLIENT_REF`	Référence interne	ref 4521, art. 12

Utilisation via l'API Hugging Face

python

import requests

API_URL = "https://api-inference.huggingface.co/models/Kahouli/c10-ner-b2b-chr"
headers = {"Authorization": "Bearer YOUR_HF_TOKEN"}

def query(text):
    response = requests.post(API_URL, headers=headers, json={"inputs": text})
    return response.json()

result = query("Je veux 6 cartons de Heineken 33cl pour vendredi")
print(result)

Utilisation locale avec spaCy

bash

pip install https://huggingface.co/Kahouli/c10-ner-b2b-chr/resolve/main/c10-ner-b2b-chr-any-py3-none-any.whl

python

import spacy
nlp = spacy.load("c10-ner-b2b-chr")
doc = nlp("3 fûts de Guinness 50L pour lundi")
for ent in doc.ents:
    print(ent.label_, '->', ent.text)