Модель для извлечения характеристик из русскоязычных текстов с выводом в JSON. Формат промптов на которых была обучена модель хранятся в папке prompts в репозитории.

Основана на Qwen/Qwen3.5-2B-Base и дообучена под задачу extraction.

🔧 Возможности

Извлечение характеристик из текста
Работа с неструктурированными описаниями
Вывод строго в формате JSON

📥 Формат входа

text

Извлеки любую характеристику из текста. Выведи в формате JSON: {"name":"","values":[{"stringValue":""}]}
Текст: <ВАШ ТЕКСТ>
Ответ:

📤 Пример формата выхода

json

{
  "name": "Название характеристики",
  "values": [
    {
      "stringValue": "Значение"
    }
  ]
}

🚀 Пример использования

python

from transformers import pipeline

pipe = pipeline(
    "text-generation",
    model="GreenMap/qwen3.5-2b-ru-json-extractor",
    tokenizer="GreenMap/qwen3.5-2b-ru-json-extractor",
    device=0,
    trust_remote_code=True,
)

def build_prompt(text: str) -> str:
    return (
        "Извлеки любую характеристику из текста. Выведи в формате JSON: "
        "{\"name\":\"\",\"values\":[{\"stringValue\":\"\"}]}\n"
        f"Текст: {text}\n"
        "Ответ:\n"
    )

text = "выкл. авт. NXB-63"

prompt = build_prompt(text)

result = pipe(
    prompt,
    max_new_tokens=256,
    do_sample=False,
)

output = result[0]["generated_text"]
json_part = output.split("Ответ:\n")[-1].strip()

print(json_part)

⚙️ Рекомендуемые параметры

python

max_new_tokens=256
do_sample=False

Рекомендуется поддерживать формат промпта ближе к тому что указан в разделе "Формат входа"

🏋️ Обучение

Базовая модель: Qwen/Qwen3.5-2B-Base
Тип: full fine-tuning
Обучена на 4500 примеров извлечения харктеристик в формате JSON
Формат данных:

json

{
  "prompt": "...Ответ:\n",
  "response": "{...}"
}

📌 Применение

Парсинг характеристик товаров
Обработка технических описаний
Извлечение структурированных данных