🏷️ NuTag — Named Entity Recognition Model

NuTag est un modèle de reconnaissance d'entités nommées (NER) basé sur NuNER-BERT-v1.0, développé par NuMind, quantifié au format GGUF pour une exécution locale légère et efficace.

---

📋 Informations générales

Attribut	Détail
Nom	NuTag
Architecture	BERT (Bidirectional Encoder Representations from Transformers)
Tâche	Token Classification / Named Entity Recognition (NER)
Langue	Anglais 🇬🇧
Format	GGUF (llama.cpp compatible)
Licence	Voir dépôt original NuMind

---

🎯 À quoi sert NuTag ?

NuTag analyse un texte brut et identifie automatiquement les entités nommées qu'il contient. Il ne génère pas de texte — il étiquette les éléments importants.

Entités détectées

Étiquette	Type	Exemple
PER	Personne	Elon Musk, Marie Curie
ORG	Organisation	Tesla, ONU, Google
LOC	Lieu géographique	Paris, Maroc, Sahara
DATE	Date / Période	12 janvier 2024, en 2003
MONEY	Montant financier	6,5 millions de dollars
MISC	Divers	iPhone 15, COVID-19

---

💡 Exemple d'utilisation

Texte en entrée :

Elon Musk a fondé Tesla à Palo Alto en 2003 avec un investissement de 6,5M$.

Sortie NuTag :

[
  { "entity": "PER",   "word": "Elon Musk",  "score": 0.998 },
  { "entity": "ORG",   "word": "Tesla",      "score": 0.995 },
  { "entity": "LOC",   "word": "Palo Alto",  "score": 0.991 },
  { "entity": "DATE",  "word": "2003",       "score": 0.987 },
  { "entity": "MONEY", "word": "6,5M$",      "score": 0.976 }
]

---

🚀 Installation & Usage

Option 1 — HuggingFace Transformers (Python)

pip install transformers torch

from transformers import pipeline

ner = pipeline(
    task="ner",
    model="numind/NuNER-BERT-v1.0",
    aggregation_strategy="simple"
)

texte = "Elon Musk a fondé Tesla à Palo Alto en 2003 avec 6,5M$ d'investissement."
resultats = ner(texte)

for entite in resultats:
    print(f"[{entite['entity_group']}] {entite['word']} (score: {entite['score']:.3f})")

---

Option 3 — LM Studio (interface graphique)

1. Ouvrir LM Studio
2. Rechercher ApyHTML19/NuTag

🛠️ Cas d'usage

Domaine	Application
📰 Presse & Médias	Extraction automatique de personnes, lieux, événements
⚖️ Juridique	Identification de parties, dates, montants dans des contrats
🏥 Santé	Extraction de médicaments, pathologies, patients
🔐 Cybersécurité	Détection d'IPs, domaines, CVE dans des logs
📦 E-commerce	Reconnaissance de produits, marques, prix
🔍 Moteur de recherche	Indexation sémantique de contenus

---

⚙️ Caractéristiques techniques

• Architecture : BERT encoder-only (non génératif)
• Méthode d'entraînement : Fine-tuning supervisé sur corpus NER multidomaine
• Tokenisation : WordPiece (vocabulaire BERT)
• Format GGUF : Quantisation statique par mradermacher
• Compatible : llama.cpp, LM Studio, Ollama, Jan

---

⚠️ Limitations

• Modèle entraîné principalement sur des textes en anglais
• Ne génère pas de texte — uniquement classification de tokens
• Les quantisations basses (Q2, Q3) peuvent réduire la précision sur des entités rares
• Les entités composées (ex: New York City) peuvent être fragmentées selon la tokenisation

---

🔗 Liens utiles

• 📦 Modèle original — numind/NuNER-BERT-v1.0
• 📦 Version GGUF — mradermacher/NuNER-BERT-v1.0-GGUF
• 📖 Guide GGUF par TheBloke
• 🛠️ llama.cpp
• 🖥️ LM Studio

---