T5 Resume Generation

🚀 T5-Base 求人内容から履歴書JSONへの変換

このモデルは、google/t5-baseをファインチューニングして、求人内容を構造化された履歴書のJSONデータに変換します。

🚀 クイックスタート

下記のコードを使用して、モデルを始めることができます。

from transformers import T5Tokenizer, T5ForConditionalGeneration

def load_model_and_tokenizer(model_path):
    """
    Load the tokenizer and model from the specified path.
    """
    tokenizer = T5Tokenizer.from_pretrained("google-t5/t5-base")
    model = T5ForConditionalGeneration.from_pretrained(model_path)
    return tokenizer, model

def generate_text(prompt, tokenizer, model):
    """
    Generate text using the model based on the given prompt.
    """
    # Encode the input prompt to get the tensor
    input_ids = tokenizer(prompt, return_tensors="pt", padding=True).input_ids

    # Generate the output using the model
    outputs = model.generate(input_ids, max_length=512, num_return_sequences=1)

    # Decode the output tensor to human-readable text
    generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return generated_text

def main():
    model_path = "nakamoto-yama/t5-resume-generation"
    print(f"Loading model and tokenizer from {model_path}")
    tokenizer, model = load_model_and_tokenizer(model_path)
    
    # Test the model with a prompt
    while True:
        prompt = input("Enter a job description or title: ")
        if prompt.lower() == 'exit':
            break
        response = generate_text(f"generate resume JSON for the following job: {prompt}", tokenizer, model)
        response = response.replace("LB>", "{").replace("RB>", "}")
        print(f"Generated Response: {response}")

if __name__ == "__main__":
    main()

✨ 主な機能

• 求人内容から構造化された履歴書データを生成する
• 求職者が特定の求人に合わせて履歴書を作成するのを支援する
• 履歴書作成プロセスの一部を自動化する

📦 インストール

インストールに関する具体的な手順は提供されていません。

💻 使用例

基本的な使用法

from transformers import T5Tokenizer, T5ForConditionalGeneration

def load_model_and_tokenizer(model_path):
    """
    Load the tokenizer and model from the specified path.
    """
    tokenizer = T5Tokenizer.from_pretrained("google-t5/t5-base")
    model = T5ForConditionalGeneration.from_pretrained(model_path)
    return tokenizer, model

def generate_text(prompt, tokenizer, model):
    """
    Generate text using the model based on the given prompt.
    """
    # Encode the input prompt to get the tensor
    input_ids = tokenizer(prompt, return_tensors="pt", padding=True).input_ids

    # Generate the output using the model
    outputs = model.generate(input_ids, max_length=512, num_return_sequences=1)

    # Decode the output tensor to human-readable text
    generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return generated_text

def main():
    model_path = "nakamoto-yama/t5-resume-generation"
    print(f"Loading model and tokenizer from {model_path}")
    tokenizer, model = load_model_and_tokenizer(model_path)
    
    # Test the model with a prompt
    while True:
        prompt = input("Enter a job description or title: ")
        if prompt.lower() == 'exit':
            break
        response = generate_text(f"generate resume JSON for the following job: {prompt}", tokenizer, model)
        response = response.replace("LB>", "{").replace("RB>", "}")
        print(f"Generated Response: {response}")

if __name__ == "__main__":
    main()

高度な使用法

高度な使用法に関する具体的なコードは提供されていません。

📚 ドキュメント

モデルの説明

このモデルは、T5-baseアーキテクチャに基づいており、10,000の求人内容と履歴書のペアのデータセットでファインチューニングされています。求人内容を入力として受け取り、その求人に合わせた履歴書のJSON表現を生成します。

想定される用途と制限

想定される用途:

• 求人内容から構造化された履歴書データを生成する
• 求職者が特定の求人に合わせて履歴書を作成するのを支援する
• 履歴書作成プロセスの一部を自動化する

制限:

• モデルの出力品質は、入力された求人内容の詳細と明瞭さに依存します
• 生成された履歴書は、人間によるレビューと編集が必要な場合があります
• モデルは、微妙なまたは業界固有の要件を捉えられない場合があります
• モデルは、"{" または "}" を出力するようにトークン化されておらず、代わりにそれぞれ "RB>" と "LB>" を使用します

訓練データ

モデルは、10,000の求人内容と対応する履歴書のJSONデータのペアで訓練されました。データの分布や訓練セットにおける潜在的なバイアスについては指定されていません。

訓練手順

モデルは、標準的なT5のテキスト対テキストフレームワークを使用してファインチューニングされました。具体的なハイパーパラメータや訓練の詳細は提供されていません。

🔧 技術詳細

このモデルは、T5-baseアーキテクチャに基づいており、標準的なT5のテキスト対テキストフレームワークを使用してファインチューニングされています。具体的なハイパーパラメータや訓練の詳細は提供されていません。

📄 ライセンス

このモデルは、MITライセンスの下で提供されています。

追加情報

基本的なT5モデルの詳細については、T5論文 と google/t5-baseモデルカード を参照してください。

⚠️ 重要提示

このモデルは履歴書作成プロセスの一部を自動化しますが、訓練データに潜在的なバイアスがあり、生成された履歴書に影響を与える可能性があります。

💡 使用建议

生成された履歴書は、人間によるレビューと編集が必要な場合があります。また、モデルは微妙なまたは業界固有の要件を捉えられない場合があるため、注意が必要です。