En Core Web Sm Job Related

🚀 「職種」「施設」「経験」エンティティ用のカスタムspaCy NERモデル

このspaCyベースの固有表現認識（NER）モデルは、「職種」「施設」「経験」に関連するエンティティを認識・分類するためにカスタムトレーニングされています。非構造化テキストデータから特定のエンティティタイプを識別することで、テキスト分析能力を向上させます。

✨ 主な機能

• 「職種」「施設」「経験」エンティティの認識に高い精度を実現するためにカスタムトレーニングされています。
• 情報抽出やコンテンツ分類など、様々な職種情報ストリームタスクに適しています。
• 現在は求職者分野に焦点を当てており、既存のspaCyベースのNLPパイプラインに簡単に統合できます。

📦 インストール

pipを使用してカスタムspaCy NERモデルをインストールできます。

git lfs install
git clone https://huggingface.co/LPDoctor/en_core_web_sm_job_related

💻 使用例

基本的な使用法

Pythonでこのモデルをエンティティ認識に使用する方法は次の通りです。

import spacy

# カスタムspaCy NERモデルをロード
nlp = spacy.load("en_core_web_sm_job")

# テキストを処理
text = "HR Specialist needed at Google, Dallas, TX, with expertise in employee relations and a minimum of 4 years of HR experience."
doc = nlp(text)

# 固有表現を抽出
for ent in doc.ents:
    print(f"Entity: {ent.text}, Type: {ent.label_}")

📚 ドキュメント

エンティティタイプ

このモデルが認識するエンティティタイプは次の通りです。

• PROFESSION: 職種または職名を表します。
• FACILITY: 施設、建物、または場所を示します。
• EXPERIENCE: 勤務経験、期間、または資格の記述を識別します。

ラベルスキーム

精度

📄 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。