Характеристики

Контекст: 512 токенов
Лицензия: CC BY-NC 4.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 21 авг 2023

Ссылки

Hugging Face

distilbert_finetuned_ai4privacy

Isotonic

Разметка токеновТекст → label7 профессий

Дообученная DistilBERT для обнаружения и классификации персональных данных в английском тексте.

1 610скачиваний за 30 дней1лайквеса обновлены5 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

Isotonic разработала эту модель как дообученную версию distilbert-base-uncased для выявления и классификации персональных данных в английском тексте. Модель относится к семейству DistilBERT и решает задачу разметки токенов; она обучена на англоязычной части наборов ai4privacy/pii-masking-65k и ai4privacy/pii-masking-43k. Контекст модели — до 512 токенов.

Модель предназначена для поиска и маркировки чувствительных фрагментов текста, например перед маскированием персональных данных. В README приведены метрики на оценочной выборке: F1 0,978, точность 0,976 и полнота 0,980. Доступны веса в форматах PyTorch, Safetensors и ONNX. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

поиск персональных данных в английском тексте
разметка имен, адресов и других чувствительных фрагментов
подготовка текста к маскированию персональных данных

Ограничения

Модель обучена на английском тексте и имеет предел контекста 512 токенов. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Также подходит для

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_finetuned_ai4privacy

This model is a fine-tuned version of distilbert-base-uncased on the english only section of ai4privacy/pii-masking-65k dataset.

Latest Model: Isotonic/mdeberta-v3-base_finetuned_ai4privacy_v2

Useage

GitHub Implementation: Ai4Privacy

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 32
eval_batch_size: 32
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: 7

Class wise metrics

It achieves the following results on the evaluation set:

Loss: 0.0106
Overall Precision: 0.9760
Overall Recall: 0.9801
Overall F1: 0.9780
Overall Accuracy: 0.9977

Training results

Training Loss	Epoch	Step	Validation Loss	Overall Precision	Overall Recall	Overall F1	Overall Accuracy	Accountname F1	Accountnumber F1	Amount F1	Bic F1	Bitcoinaddress F1	Buildingnumber F1	City F1	Company Name F1	County F1	Creditcardcvv F1	Creditcardissuer F1	Creditcardnumber F1	Currency F1	Currencycode F1	Currencyname F1	Currencysymbol F1	Date F1	Displayname F1	Email F1	Ethereumaddress F1	Firstname F1	Fullname F1	Gender F1	Iban F1	Ip F1	Ipv4 F1	Ipv6 F1	Jobarea F1	Jobdescriptor F1	Jobtitle F1	Jobtype F1	Lastname F1	Litecoinaddress F1	Mac F1	Maskednumber F1	Middlename F1	Name F1	Nearbygpscoordinate F1	Number F1	Password F1	Phoneimei F1	Phone Number F1	Pin F1	Prefix F1	Secondaryaddress F1	Sex F1	Ssn F1	State F1	Street F1	Streetaddress F1	Suffix F1	Time F1	Url F1	Useragent F1	Username F1	Vehiclevin F1	Vehiclevrm F1	Zipcode F1
No log	1.0	335	0.3836	0.6166	0.6314	0.6239	0.9080	0.0	0.5534	0.1940	0.0	0.4890	0.0	0.6856	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.3306	0.0	0.9420	0.4869	0.0704	0.9094	0.0	0.0877	0.0	0.6112	0.6779	0.0	0.0	0.0066	0.0	0.0	0.0	0.5589	0.3733	0.0	0.8152	0.0	0.0137	0.4013	0.3786	0.1117	0.0	0.0	0.0	0.0	0.0	0.0104	0.0	0.5657	0.0	0.1786	0.7969	0.7734	0.0710	0.2662	0.0	0.2335
1.2518	2.0	670	0.1360	0.7806	0.8283	0.8037	0.9571	0.7286	0.6427	0.6429	0.5102	0.6207	0.1322	0.9476	0.1031	0.7823	0.0303	0.0	0.4403	0.5190	0.0	0.0144	0.0	0.9125	0.0	0.9908	0.7273	0.7199	0.9762	0.0	0.2890	0.0	0.8519	0.5472	0.8354	0.0	0.7228	0.0	0.3513	0.0	0.8381	0.0117	0.0	0.9740	0.0	0.3070	0.7378	0.8857	0.4724	0.0	0.3978	0.4541	0.0278	0.2254	0.7361	0.0205	0.7132	0.0	0.9032	0.9870	0.9540	0.7943	0.6036	0.6184	0.6923
0.1589	3.0	1005	0.0721	0.8615	0.9008	0.8807	0.9770	0.9164	0.9765	0.8283	0.5200	0.8077	0.6461	0.9790	0.6881	0.9592	0.5217	0.6769	0.5950	0.4094	0.5758	0.2397	0.0	0.9672	0.0	0.9994	0.9484	0.8170	0.9836	0.6437	0.9492	0.0	0.8424	0.8056	0.8999	0.0	0.7921	0.2667	0.5761	0.0	0.9841	0.0103	0.2147	0.9880	0.0	0.8051	0.8299	0.9947	0.7793	0.5161	0.7444	0.9894	0.7692	0.8182	0.9939	0.5244	0.4451	0.0	0.9762	0.9896	1.0	0.9008	0.9349	0.9605	0.9337
0.1589	4.0	1340	0.0386	0.9175	0.9445	0.9308	0.9876	0.9597	0.9921	0.9041	0.9691	0.7944	0.7662	0.9940	0.9864	0.9801	0.7463	0.9560	0.8562	0.7383	0.7308	0.4286	0.0	0.9861	0.0	1.0	1.0	0.8726	0.9916	0.8434	0.9884	0.0382	0.8700	0.4811	0.9517	0.0741	0.8927	0.6732	0.7251	0.5629	1.0	0.6341	0.3353	0.9968	0.0	0.9648	0.9532	0.9947	0.9725	0.7719	0.8683	0.9947	0.9028	0.9302	0.9957	0.8287	0.8698	0.1389	0.9841	0.9974	0.9832	0.9303	0.9639	0.9673	0.9573
0.0637	5.0	1675	0.0226	0.9402	0.9627	0.9513	0.9936	1.0	1.0	0.9355	0.9796	0.9813	0.8643	0.9987	0.9640	1.0	0.9197	0.9693	0.9368	0.7273	0.8052	0.5455	0.1395	0.9916	0.0615	1.0	0.9952	0.9051	0.9933	0.9048	1.0	0.2069	0.8700	0.5124	0.9728	0.4444	0.9107	0.7753	0.8147	0.9023	0.9741	0.8521	0.5990	0.9978	0.0	1.0	0.9970	1.0	0.9953	0.8713	0.8913	0.9735	0.9583	0.9924	0.9974	0.9041	0.9192	0.5053	0.9801	0.9974	1.0	0.9521	1.0	0.9934	0.975
0.0333	6.0	2010	0.0136	0.9683	0.9774	0.9728	0.9966	0.9963	1.0	0.9454	1.0	1.0	0.9670	0.9987	1.0	1.0	0.9481	0.9880	1.0	0.8475	0.8701	0.7174	0.36	0.9944	0.4776	1.0	1.0	0.9441	0.9982	0.9398	1.0	0.3661	0.8519	0.7309	0.9785	0.7108	0.9474	0.8722	0.8909	0.9848	0.9895	1.0	0.7	0.9994	0.5	1.0	1.0	1.0	1.0	0.96	0.9535	0.9947	0.9718	1.0	0.9974	0.9810	0.9815	0.7037	0.9880	0.9974	1.0	0.9681	1.0	1.0	0.9938
0.0333	7.0	2345	0.0106	0.9760	0.9801	0.9780	0.9977	1.0	1.0	0.9565	1.0	1.0	0.9753	0.9987	1.0	1.0	0.9701	0.9939	1.0	0.8668	0.8662	0.7582	0.36	0.9944	0.5970	1.0	1.0	0.9493	0.9982	0.9524	1.0	0.5543	0.8700	0.8863	0.9806	0.6875	0.9424	0.8811	0.9052	0.9848	1.0	1.0	0.7364	0.9994	0.5	1.0	1.0	1.0	1.0	0.9697	0.9540	0.9947	0.9650	1.0	0.9965	0.9810	0.9832	0.7928	0.9880	0.9974	1.0	0.9746	1.0	1.0	0.9969

Framework versions

Transformers 4.31.0
Pytorch 2.0.1+cu117
Datasets 2.13.1
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForTokenClassification
Ревизия весов: 3ca98dc