Kahouli/c10-ner-b2b-chr

🍺 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

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

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

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)