Характеристики

Контекст: 512 токенов
Лицензия: CC BY-NC 4.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-german-cased
Опубликована: 11 янв 2024

Ссылки

distilbert-base-german-cased_finetuned_ai4privacy_v2

Разметка токеновТекст → label4 профессии

Немецкоязычная модель на базе DistilBERT для обнаружения персональных данных в тексте с целью последующего маскирования или анонимизации.

4 939скачиваний за 30 дней3лайкавеса обновлены4 апр 2024

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

Модель Isotonic/distilbert-base-german-cased_finetuned_ai4privacy_v2 — дообученная Isotonic версия DistilBERT для немецкоязычной токенной классификации персональных данных. Она предназначена для обнаружения PII в тексте, например перед маскированием или анонимизацией. Модель основана на DistilBERT с архитектурой DistilBertForTokenClassification, принимает текст с контекстом до 512 токенов и доступна в форматах Safetensors и ONNX.

На оценочном наборе README приводит precision 0,9086, recall 0,9379, F1 0,9230 и accuracy 0,9679. Обучение выполнено на немецкой части pii-masking-200k. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование без отдельного разрешения.

Сценарии применения

поиск персональных данных в немецких текстах
выделение PII перед маскированием документов
анонимизация немецкоязычных текстовых наборов
проверка писем и документов на наличие персональных данных

Ограничения

Модель обучена на немецкоязычных данных и рассчитана на контекст до 512 токенов. Лицензия CC BY-NC 4.0 не разрешает коммерческое использование без отдельного разрешения.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🌟 Buying me coffee is a direct way to show support for this project.

distilbert-base-german-cased_finetuned_ai4privacy_v2

This model is a fine-tuned version of distilbert-base-german-cased on the German subset of pii-masking-200k dataset. It achieves the following results on the evaluation set:

Loss: 0.0821
Overall Precision: 0.9086
Overall Recall: 0.9379
Overall F1: 0.9230
Overall Accuracy: 0.9679

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.2
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Overall Precision	Overall Recall	Overall F1	Overall Accuracy	Accountname F1	Accountnumber F1	Age F1	Amount F1	Bic F1	Bitcoinaddress F1	Buildingnumber F1	City F1	Companyname F1	County F1	Creditcardcvv F1	Creditcardissuer F1	Creditcardnumber F1	Currency F1	Currencycode F1	Currencyname F1	Currencysymbol F1	Date F1	Dob F1	Email F1	Ethereumaddress F1	Eyecolor F1	Firstname F1	Gender F1	Height F1	Iban F1	Ip F1	Ipv4 F1	Ipv6 F1	Jobarea F1	Jobtitle F1	Jobtype F1	Lastname F1	Litecoinaddress F1	Mac F1	Maskednumber F1	Middlename F1	Nearbygpscoordinate F1	Ordinaldirection F1	Password F1	Phoneimei F1	Phonenumber F1	Pin F1	Prefix F1	Secondaryaddress F1	Sex F1	Ssn F1	State F1	Street F1	Time F1	Url F1	Useragent F1	Username F1	Vehiclevin F1	Vehiclevrm F1	Zipcode F1
0.1449	1.0	5282	0.1365	0.8213	0.8741	0.8469	0.9504	0.9954	0.9180	0.9509	0.7478	0.8315	0.8265	0.7908	0.8030	0.9011	0.9118	0.8669	0.9831	0.8053	0.4935	0.6482	0.0	0.8430	0.7672	0.4751	0.9870	0.9103	0.9501	0.8810	0.9552	0.9507	0.9086	0.0	0.8124	0.7776	0.8698	0.9758	0.9445	0.8140	0.5210	0.9819	0.6555	0.4114	1.0	0.9837	0.8093	0.9761	0.9254	0.7705	0.8613	0.9676	0.9978	0.9570	0.8585	0.8164	0.9643	0.9879	0.9534	0.9415	0.8778	0.9716	0.7313
0.1039	2.0	10564	0.0841	0.8875	0.9213	0.9041	0.9649	0.9923	0.9598	0.9721	0.8979	0.9240	0.9218	0.8937	0.8803	0.9648	0.9595	0.9563	0.9848	0.8427	0.5724	0.7677	0.2210	0.9244	0.8003	0.5866	0.9932	0.9636	0.9835	0.9473	0.9794	0.9753	0.9644	0.0173	0.7042	0.7564	0.9439	0.9911	0.9710	0.8988	0.7288	0.9801	0.7913	0.8977	0.9978	0.9853	0.9581	0.9937	0.9761	0.9146	0.9166	0.9741	0.9978	0.9787	0.9448	0.9031	0.9591	0.9968	0.9638	0.9719	0.9455	0.9829	0.8863
0.0804	3.0	15846	0.0821	0.9086	0.9379	0.9230	0.9679	0.9985	0.9849	0.9792	0.9387	0.9641	0.9637	0.9011	0.9260	0.9782	0.9778	0.9543	1.0	0.8796	0.7027	0.8328	0.3466	0.9420	0.8156	0.6575	0.9971	0.9947	0.9833	0.9614	0.9881	0.9842	0.9819	0.2023	0.6631	0.7243	0.9722	0.9904	0.9725	0.9185	0.8545	0.9780	0.8365	0.9156	1.0	0.9853	0.9782	0.9947	0.9883	0.9189	0.9594	0.9831	0.9993	0.9898	0.9739	0.9355	0.9764	0.9984	0.9885	0.9798	0.9614	1.0	0.9100
0.0622	4.0	21128	0.0848	0.9095	0.9420	0.9255	0.9713	0.9977	0.9932	0.9815	0.9566	0.9550	0.9704	0.9187	0.9277	0.9735	0.9756	0.9679	0.9966	0.8885	0.6985	0.8598	0.4217	0.9602	0.8262	0.6809	0.9960	0.9947	0.9852	0.9641	0.9952	0.9955	0.9909	0.3053	0.7067	0.6156	0.9784	0.9948	0.9773	0.9176	0.8856	0.9880	0.8598	0.9186	1.0	0.9886	0.9871	0.9968	0.9916	0.9419	0.9621	0.9887	1.0	0.9926	0.9717	0.9441	0.9835	0.9992	0.9858	0.9838	0.9818	0.9856	0.8972
0.032	5.0	26410	0.0998	0.9210	0.9497	0.9351	0.9741	0.9985	0.9962	0.9847	0.9622	0.9614	0.9738	0.9269	0.9431	0.9782	0.9749	0.9708	0.9949	0.8990	0.7116	0.8447	0.4615	0.9646	0.8296	0.7235	0.9966	0.9947	0.9853	0.9672	0.9929	0.9932	0.9919	0.3706	0.7690	0.6836	0.9838	0.9941	0.9789	0.9252	0.8876	0.9960	0.8849	0.9172	1.0	0.9886	0.9847	0.9958	0.9925	0.9483	0.9700	0.9912	1.0	0.9944	0.9756	0.9468	0.99	0.9984	0.9947	0.9806	0.9939	1.0	0.9108

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForTokenClassification
Ревизия весов: dcffc67