cihatyldz/fayton-bert-turkish-auto-ner

🛞 Fayton — Türkçe Araç İlanı NER + Fiyat Aralığı

Serbest yazılmış Türkçe araç ilanlarından 9 alan çıkaran ince ayarlı BERT modeli ve bu alanlardan kalibre edilmiş fiyat aralığı üreten LightGBM quantile modelleri.

🚀 Canlı demo · 📊 Dataset

⚠️ Eğitim verisi ve fiyatlar tamamen sentetiktir. Fiyat modeli gerçek piyasa değerini değil, veriyi üreten formülü öğrenir. Amaç NER → regresyon hattını ve belirsizlik ölçümünü göstermektir.

Entity tipleri

Etiket	Açıklama
YEAR	Model yılı
BRAND	Marka
MODEL	Model
ENGINE	Motor (1.6 TDI, 320d)
FUEL	Yakıt
TRANSMISSION	Vites (DSG, EDC, Manuel)
TRIM	Donanım paketi
MILEAGE	Kilometre
CONDITION	Hasar / boya / tramer durumu

Sonuçlar

NER (test, entity düzeyinde): F1 0.9997 · Precision 0.9997 · Recall 0.9996

Fiyat (hedef kapsama %80, conformal kalibrasyonlu):

Özellik kaynağı	MAPE	Kapsama	Medyan aralık
Altın etiket	7.94%	77.9%	±11.4%
BERT NER	7.94%	77.9%	±11.4%

Bilgi azaldıkça belirsizlik (2019 Passat 1.6 TDI DSG Highline):

İlanda eksik	Aralık genişliği
—	±10%
CONDITION	±13%
CONDITION, TRIM	±14%
CONDITION, TRIM, MILEAGE	±15%
CONDITION, TRIM, MILEAGE, YEAR	±63%

Kullanım

from transformers import AutoTokenizer, AutoModelForTokenClassification
from huggingface_hub import hf_hub_download
import importlib.util

repo = "cihatyldz/fayton-bert-turkish-auto-ner"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForTokenClassification.from_pretrained(repo).eval()

# Ortak modul: tahmin cozme ve ozellik cikarma (Space ile ayni kod)
spec = importlib.util.spec_from_file_location("ff", hf_hub_download(repo, "fayton_features.py"))
ff = importlib.util.module_from_spec(spec); spec.loader.exec_module(ff)

id2label = {int(k): v for k, v in model.config.id2label.items()}
ents = ff.extract_with_bert("2018 Passat 1.6 TDI DSG Highline 145.000 km", tok, model, id2label)
print([(e["type"], e["text"]) for e in ents])

Fiyat modeli price_model/ altında: price_lo/mid/hi.txt (LightGBM metin formatı, sürümden bağımsız), feature_schema.json, calibration.json.

Eğitim

• Taban model: dbmdz/bert-base-turkish-cased, 4 epoch'a kadar (early stopping), lr 3e-05
• 10,000 sentetik ilan (%80/%10/%10), etiket her kelimenin ilk alt-tokenında
• Fiyat: 40,000 eğitim, 5,000 kalibrasyon ilanı; log-fiyat üzerinde quantile regresyon

Sınırlamalar

• Sentetik ve şablon tabanlı veri: gerçek ilanlardaki yazım hataları, argo ve serbest anlatım sınırlı temsil edilir
• Katalogda 15 marka var; katalog dışı marka/modeller segment özelliği alamaz ve aralık genişler
• Fiyatlar formül çıktısıdır; gerçek değerleme için kullanılmamalıdır

Geliştirici: Cihat Yıldız · @cihatyldz