Немецкоязычная BERT-модель для классификации фрагментов политик конфиденциальности, посвящённых удалению данных.
91скачиваний за 30 дней0лайковвеса обновлены16 сен 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Immerwinter/gbert-large-privacy-policy-content-deletion — дообученная немецкоязычная модель BERT для классификации текста по теме удаления данных в политиках конфиденциальности. Карточка относит её к аналитическому конвейеру, в котором также перечислены темы Audience, Contact, LegalBasis, Retention и другие; сама модель предназначена для категории Deletion.
Модель основана на deepset/gbert-large, имеет архитектуру BertForSequenceClassification и 434,5 млн параметров. Принимает текст и выдаёт метку классификации; максимальная длина контекста — 512 токенов. Доступны веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0.
Модель подходит для выделения фрагментов политики конфиденциальности, относящихся к удалению персональных данных. README не раскрывает состав меток, обучающие данные, качество на тестах или процедуру инференса, поэтому пригодность для конкретного набора документов следует оценить отдельно.
Сценарии применения
поиск в политике конфиденциальности условий удаления персональных данных
классификация разделов политики по теме удаления данных
автоматическая тематическая разметка немецких текстов о конфиденциальности
Ограничения
В README не приведены метрики качества, обучающий набор данных и перечень меток классификации. Контекст ограничен 512 токенами; ориентированность на немецкий язык не подтверждает качество на других языках.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель