Update README.md

README.md

@@ -27,7 +27,125 @@ More information needed
 
 ## Intended uses & limitations
 
-More information needed
+Para usar el modelo y tratar de que las etiquetas funcionen correctamente les comparto un script que usa el modelo
+como pipeline:
+from transformers import AutoConfig, AutoTokenizer, AutoModelForTokenClassification
+from peft import PeftModel
+import torch
+
+# Paso 1: Configuración manual del modelo base
+base_model_name = "xlm-roberta-large"  # Usar nombre directo para evitar conflictos
+num_labels = 9  # Total de clases NER (BIO)
+
+# Definir mapeo de etiquetas (ajustar según tu dataset)
+id2label = {
+    0: "O",
+    1: "B-PER",
+    2: "I-PER",
+    3: "B-ORG",
+    4: "I-ORG",
+    5: "B-LOC",
+    6: "I-LOC",
+    7: "B-MISC",
+    8: "I-MISC"
+}
+
+# Cargar configuración del modelo BASE y modificar
+config = AutoConfig.from_pretrained(
+    base_model_name,
+    num_labels=num_labels,
+    id2label=id2label,
+    label2id={v: k for k, v in id2label.items()}
+)
+
+# Paso 2: Cargar modelo base CON CONFIGURACIÓN CORRECTA
+base_model = AutoModelForTokenClassification.from_pretrained(
+    base_model_name,
+    config=config,
+    ignore_mismatched_sizes=True
+)
+
+# Paso 3: Cargar adaptador PEFT
+peft_model_id = "raulgdp/roberta-large-ner-qlorafinetune"
+model = PeftModel.from_pretrained(base_model, peft_model_id)
+model = model.merge_and_unload()
+
+# Paso 4: Configurar tokenizador CORRECTAMENTE
+tokenizer = AutoTokenizer.from_pretrained(
+    base_model_name,  # Usar el modelo base directamente
+    add_prefix_space=True,  # Necesario para RoBERTa
+    use_fast=True
+)
+
+# Función mejorada de decodificación
+def decode_predictions(text, predictions, word_ids):
+    current_word = ""
+    current_label = ""
+    previous_word_id = None
+    results = []
+
+    for idx, word_id in enumerate(word_ids):
+        if word_id is None:
+            continue
+
+        # Obtener token y etiqueta
+        token = tokenizer.decode(inputs["input_ids"][0][idx]).replace(" ", "")
+        label = model.config.id2label[predictions[idx]]
+
+        # Manejar subpalabras
+        if word_id != previous_word_id:
+            if previous_word_id is not None:
+                results.append((current_word.strip(), current_label))
+            current_word = token
+            current_label = label
+        else:
+            current_word += token.replace("##", "").replace("Ġ", "")
+
+        previous_word_id = word_id
+
+    if current_word:
+        results.append((current_word.strip(), current_label))
+
+    return results
+
+# Texto de prueba
+text = (
+    "La Federación Nacional de Cafeteros de Colombia es una entidad del estado, "
+    "creada en los años 70’s. El primer presidente el Dr Augusto Guerra contó con "
+    "el aval de la Asociación Colombiana de Aviación. En varias ciudades "
+    "colombianas; Cali, Medellín, Corozal funciona la entidad. Estas personas "
+    "vienen del Instituto Colombiano del Café ubicado en la calle Cali"
+)
+
+# Tokenización profesional
+inputs = tokenizer(
+    text,
+    return_tensors="pt",
+    truncation=True,
+    padding="max_length",
+    max_length=128,
+    return_offsets_mapping=False
+)
+
+# Obtener word_ids CORRECTAMENTE
+word_ids = [i if i is not None else -1 for i in inputs.word_ids(0)]
+
+# Inferencia
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+model = model.to(device)
+inputs = {k: v.to(device) for k, v in inputs.items()}
+
+with torch.no_grad():
+    outputs = model(**inputs)
+predictions = torch.argmax(outputs.logits, dim=-1)[0].cpu().numpy()
+
+# Decodificar resultados
+entities = decode_predictions(text, predictions, word_ids)
+
+# Mostrar solo entidades relevantes
+for word, label in entities:
+    if label != "O":
+        print(f"{word:35} {label}")
 
 ## Training and evaluation data