scisaga/qwen3-8b-instruct-lora-address-struct-cn

中文地址要素抽取 LoRA（Qwen3‑8B‑Instruct）

将中文地址文本直接生成 XML 标签串（如 <prov>…</prov><city>…</city>）。适配器采用 LoRA/QLoRA，与基座一起加载即可用于抽取省/市/区/道路/门牌/POI 等要素。

一、简介

• 任务：中文地址结构化（信息抽取 → 文本生成）。
• 形式：SFT 指令跟随；输入原始地址，输出 XML 标签串。
• 工程配套：提供 Web/REST 界面与 AMap 集成，以及 LoRA 数据与脚本。

二、代码与数据

• 代码仓库：Scisaga/addr-resolver（含 Web 端、API、LoRA 数据脚本、示例地址库等）。

  • 关键目录/文件：lora/bio2sft.py、lora/build_sft_from_adm.py、func/amap_call.py、func/qwen_call.py、app.py、resolver.py、address.db（示例库）等。

• 系统能力：结合 高德地图 API 与 通义千问 进行解析/推理/定位；私有化地址库管理；提供 Docker 部署与前端页面。

三、训练

以 lora/ 目录产出的 sft.jsonl 为训练数据（BIO/BIES → SFT 一步式转换脚本已提供）。

CUDA_VISIBLE_DEVICES=0,1 torchrun --nproc_per_node=2 lora/train_hf_qlora.py \
  --data lora/sft.jsonl --bf16

四、推理（docker）

docker run --gpus all --shm-size 1g -p 8080:80 \
  -v $PWD/qwen3-8b-instruct-lora-address-struct-cn:/data \
  ghcr.io/huggingface/text-generation-inference:latest \
  --model-id /data \
  --dtype bfloat16 \
  --num-shard 2 \
  --max-input-tokens 2048 --max-total-tokens 2304

五、许可

• 本仓库权重（适配器）与代码：CC BY 4.0（需署名、注明修改、不得施加额外法律/技术限制）。
• 基座 Qwen3‑8B‑Instruct：Apache‑2.0。如分发合并权重，需同时满足 Apache‑2.0（保留 LICENSE/NOTICE） 与 CC BY 4.0（署名/注明修改） 的要求。

推荐署名模板（在 README 或产品“关于”页中标注）：

Uses the model by Scisaga (CC BY 4.0). Based on Qwen/Qwen3‑8B‑Instruct (Apache‑2.0). Changes: LoRA fine‑tuning for Chinese address slot extraction.

六、致谢 / 变更

• 2025‑10‑26：首版精简模型卡，补充仓库链接与目录映射；许可调整为 CC BY 4.0。