---
language: en
tags:
- ner
- recipes
- token-classification
- named-entity-recognition
- cooking
metrics:
- accuracy
- f1
license: apache-2.0
---

# Recipe NER Model

Модель для выделения именованных сущностей (NER) из кулинарных рецептов на английском языке.

## Описание

Модель обучена на датасете из ~50,000 рецептов. Распознает ингредиенты, количества, единицы измерения и другие сущности в текстах рецептов.

## Распознаваемые сущности

| Метка | Описание |
|-------|----------|
| NAME | Название ингредиента |
| QTY | Количество |
| UNIT | Единица измерения |
| COMMENT | Действие / комментарий |
| RANGE_END | Конец диапазона |
| INDEX | Индекс |
| OTHER | Прочее |

## Использование

```python
from transformers import pipeline

ner = pipeline(
    "token-classification",
    model="fastyBOOM/Recipe_Analysis_AndreevDA",
    aggregation_strategy="simple"
)

recipe = "Mix 200 grams of flour with 2 eggs and 100 ml of milk"
result = ner(recipe)
for entity in result:
    print(f"{entity['word']}: {entity['entity_group']}")
```
## Результаты обучения

| Epoch | Training Loss | Validation Loss | Precision | Recall | F1     | Accuracy |
|-------|---------------|-----------------|-----------|--------|--------|----------|
| 1     | 0.3328        | 0.3286          | 0.8821    | 0.8789 | 0.8805 | 0.8960   |
| 2     | 0.2928        | 0.2954          | 0.8850    | 0.8979 | 0.8914 | 0.9057   |
| 3     | 0.2800        | 0.2866          | 0.8918    | 0.9037 | 0.8977 | 0.9108   |
| 4     | 0.2398        | 0.2868          | 0.8944    | 0.9072 | 0.9008 | 0.9116   |
| 5     | 0.2398        | 0.2869          | 0.8993    | 0.9089 | 0.9041 | 0.9139   |

### Финальные метрики (валидация)

| Метрика   | Значение |
|-----------|----------|
| Loss      | 0.2866   |
| Accuracy  | 0.9108   |
| F1-score  | 0.8977   |
| Precision | 0.8918   |
| Recall    | 0.9037   |

### Модель обучена на Google Colab. Ноутбук обучения доступен в репозитории.