from transformers import pipeline

# Cargar modelo
ner = pipeline("ner",
               model="Kevinsanchez11/ner-condiciones-acciones-es-v4",
               aggregation_strategy="simple")

# Analizar texto
texto = "Si el cliente completa el pago, el sistema enviará un comprobante."
resultado = ner(texto)

# Ver resultados
for ent in resultado:
    print(f"{ent['entity_group']}: {ent['word']}")

Ejemplo de salida

Entrada:

Si el usuario hace clic en el botón, el sistema debe guardar los datos.

Salida:

CONDICION: Si el usuario hace clic en el botón
ACCION: el sistema debe guardar los datos

Entrenamiento

Modelo base: dccuchile/bert-base-spanish-wwm-cased (BETO)
Épocas: 10
Learning rate: 2e-5
Framework: Hugging Face Transformers

Limitaciones

Entrenado específicamente para textos de requisitos de software
Mejor rendimiento con oraciones estructuradas tipo "Si... entonces..."
Puede tener menor precisión en textos muy informales

Autor

Modelo entrenado con Hugging Face Transformers.

Licencia

MIT

Kevinsanchez11/ner-condiciones-acciones-es-v4

Modelo NER: Extracción de Condiciones y Acciones

Descripción

Métricas

Uso

Ejemplo de salida

Entrenamiento

Etiquetas

Limitaciones

Autor

Licencia

Kevinsanchez11/
ner-condiciones-acciones-es-v4