Agricultural Intention Classifier (French version below )
This model is a text classifier for agricultural user intentions, trained on a dataset of farmer questions in French. It identifies the type of request a user makes, such as seeking technical advice, validation, or planning.
Use case
This classifier is intended to power an AI assistant for farmers, helping to route the user's question to the right processing module (calendar, technical, validation, etc.).
Classes
The model predicts one of the following 7 intention labels:
alert / prevention
calendar / planning
recommendation / advice
technical question
validation request
optimization
problem solving
How to use
1from joblib import load
2
3# Load the model
4model = load("model_svc_intention_predictor.joblib")
5
6# Example prediction
7question = "Can I plant millet just before the rainy season?"
8prediction = model.predict([question])[0]
9print("Predicted intention:", prediction)
🇫🇷 Version Française
Ce modèle est un classifieur d’intention en contexte agricole, entraîné sur un corpus de questions posées par des agriculteurs en français. Il permet d’identifier le type de demande exprimée par l’utilisateur (ex : conseil, validation, calendrier...).
Cas d’usage
Ce modèle est conçu pour alimenter un assistant vocal intelligent dédié aux agriculteurs, capable d’interpréter automatiquement les intentions pour orienter les requêtes vers les bons modules de traitement.
Intention prédite (7 classes) :
alerte / prévention
calendrier / planification
conseil / recommandation
question technique / pratique
demande de validation
optimisation / amélioration
problème / résolution
Exemple d'utilisation
1from joblib import load
2
3# Charger le modèle
4model = load("model_svc_intention_predictor.joblib")
5
6# Exemple de prédiction
7question = "Puis-je planter du mil juste avant la saison des pluies ?"
8prediction = model.predict([question])[0]
9print("Intention prédite :", prediction)
Model trained using scikit-learn and TF-IDF vectorization (max_features=2000), based on a cleaned and labeled dataset.