Характеристики

Контекст: 512 токенов
Параметры: 306 млн
Лицензия: CC BY-NC 4.0
Архитектура: deberta-v2 · dense
Базовая модель: mdeberta-v3-base
Библиотека: transformers
Опубликована: 13 янв 2024

Ссылки

mdeberta-v3-base_finetuned_ai4privacy_v2

Разметка токеновТекст → label6 профессий

Многоязычная модель на базе DeBERTa V3 для обнаружения и разметки персональных данных в тексте перед их маскированием или обезличиванием.

53скачиваний за 30 дней8лайковвеса 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

Isotonic/mdeberta-v3-base_finetuned_ai4privacy_v2 — модель классификации токенов, дообученная на базе microsoft/mdeberta-v3-base на наборе ai4privacy/pii-masking-200k. Она предназначена для обнаружения и разметки персональных данных в тексте, например перед маскированием или обезличиванием документов. Модель использует архитектуру DeBERTa V3 с 306 млн параметров и принимает последовательности длиной до 512 токенов; доступны форматы Safetensors и ONNX.

На тестовом наборе указаны precision 0,9636, recall 0,9731, F1 0,9683 и accuracy 0,9896. В карточке перечислены английский, немецкий, французский и итальянский языки. Лицензия указана как CC BY-NC 4.0; README также описывает отдельные условия Ai4Privacy: бесплатное использование для частных лиц, некоммерческих организаций и компаний до трёх сотрудников, а крупным коммерческим организациям требуется корпоративная лицензия. Перед применением следует сверить точные условия лицензии и проверить качество на собственных данных.

Сценарии применения

поиск персональных данных в документах
разметка имен, адресов и других PII в тексте
подготовка текста к маскированию персональных данных
обезличивание текстовых массивов перед передачей или анализом

Ограничения

Контекст ограничен 512 токенами, поэтому длинные документы нужно обрабатывать частями. Приведённые метрики получены на оценочном наборе; условия использования для коммерческих организаций зависят от лицензии Ai4Privacy.

Для каких профессий подходит6

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

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.

mdeberta-v3-base_finetuned_ai4privacy_v2

This model is a fine-tuned version of microsoft/mdeberta-v3-base on the ai4privacy/pii-masking-200k dataset. It achieves the following results on the evaluation set:

Loss: 0.0323
Overall Precision: 0.9636
Overall Recall: 0.9731
Overall F1: 0.9683
Overall Accuracy: 0.9896

Useage

GitHub Implementation: Ai4Privacy

Model description

More information needed

Intended uses & limitations

The license depends on the nature of your business, you're given the right to use Ai4Privacy for your projects. Independent users and small businesses (3 staff maximum) can use Ai4Privacy’s dataset and models in their product and solutions for free, and conditionally for commercial terms. However, larger, profit-oriented organizations require a company license which can be requested by licensing@ai4privacy.com. This two-level system helps fund our project, while keeping the source code accessible and the software free for most users. For the exact usage conditions, please read the detailed terms below.

Free license
Corporate license

Free License

Qualification Criteria

You're qualified to use Ai4Privacy at no cost if you're:

An individual A for-profit entity with a staff count of up to 3 A non-profit or not-for-profit organization

Prohibited Use Cases

It's not permissible to duplicate or alter Ai4Privacy's code with the intention to distribute, sell, rent, license, re-license, or sublicense your own derivative of Ai4Privacy's contribution work.

Warranty Notice

The dataset and code comes "as is", without any express or implied warranties, including but not limited to warranties of saleability, suitability for a specific use, and non-infringement. The authors or copyright holders shall not be responsible for any claim, damage or other liability, whether in a contract, tort or otherwise, arising from or in connection with the dataset and model or its use or other dealings.

Support

Support is offered as best as we can manage through GitHub Issues and our Discord. Corporate licensees receive dedicated support.

Corporate License

Should your entity not fall under the category eligible for a free license, you must procure a corporate license to use Ai4Privacy. This license will authorize you to use Ai4Privacy for the use cases outlined in the free license and provide you with access to priority support..

Please refer to licensing@ai4privacy.com for details on pricing and licensing.

Training procedure

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-06
lr_scheduler_type: cosine_with_restarts
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
0.0622	1.0	10463	0.0541	0.9247	0.9384	0.9315	0.9770	0.9949	0.9917	0.9812	0.9224	0.9847	0.9592	0.9056	0.9595	0.9802	0.9775	0.9350	0.9971	0.8939	0.7380	0.9664	0.0843	0.9721	0.7784	0.6363	0.9993	0.9877	0.9833	0.9696	0.9866	0.9716	0.9914	0.0	0.8238	0.8025	0.9882	0.9874	0.9878	0.8820	0.9085	0.9869	0.8831	0.8686	0.9984	0.9958	0.9786	0.9971	0.9885	0.9482	0.9455	0.9934	0.9956	0.9860	0.9673	0.9799	0.9916	0.9958	0.9995	0.9875	0.9555	0.9819	0.9311
0.0492	2.0	20926	0.0445	0.9376	0.9494	0.9434	0.9788	0.9970	0.9979	0.9883	0.9492	0.9949	0.9626	0.9548	0.9819	0.9911	0.9922	0.9740	0.9985	0.9057	0.5805	0.9771	0.4872	0.9734	0.8257	0.7479	0.9989	0.9944	0.9960	0.9819	0.9933	0.9958	0.9962	0.1521	0.7969	0.8083	0.9957	0.9972	0.9970	0.9335	0.8953	0.9967	0.8786	0.9232	1.0	0.9980	0.9868	0.9985	0.9967	0.9808	0.9708	0.9969	0.9979	0.9980	0.9921	0.9913	0.9979	1.0	1.0	0.9914	0.9788	0.9859	0.9622
0.0392	3.0	31389	0.0395	0.9458	0.9584	0.9521	0.9815	0.9988	0.9971	0.9861	0.9573	0.9955	0.9764	0.9518	0.9836	0.9914	0.9921	0.9802	0.9985	0.9300	0.8115	0.9862	0.5935	0.9821	0.8684	0.7870	0.9994	0.9972	0.9976	0.9860	0.9956	0.9981	0.9964	0.3002	0.8302	0.7274	0.9863	0.9968	0.9979	0.9528	0.9208	0.9881	0.9195	0.9269	0.9992	0.9980	0.9894	0.9998	0.9984	0.9750	0.9767	0.9971	0.9972	0.9978	0.9927	0.9952	0.9966	1.0	0.9997	0.9962	0.9942	0.9937	0.9653
0.0311	4.0	41852	0.0341	0.9537	0.9667	0.9601	0.9855	0.9998	0.9986	0.9869	0.9545	0.9961	0.9774	0.9632	0.9885	0.9952	0.9940	0.9838	0.9985	0.9392	0.8567	0.9863	0.7015	0.9853	0.9158	0.8687	1.0	0.9979	0.9984	0.9875	0.9971	1.0	0.9962	0.4882	0.8664	0.6966	0.9927	0.9973	0.9967	0.9583	0.9251	0.9979	0.9275	0.9351	1.0	0.9988	0.9932	0.9998	0.9980	0.9852	0.9760	0.9983	0.9980	0.9985	0.9932	0.9952	0.9966	0.9996	1.0	0.9969	0.9955	0.9942	0.9685
0.0196	5.0	52315	0.0323	0.9636	0.9731	0.9683	0.9896	0.9998	0.9973	0.9878	0.9495	0.9932	0.9704	0.9648	0.9887	0.9942	0.9940	0.9820	0.9985	0.9570	0.8750	0.9888	0.7416	0.9819	0.9295	0.8946	0.9998	0.9965	0.9984	0.9886	0.9962	1.0	0.9966	0.6284	0.8884	0.8015	0.9940	0.9973	0.9970	0.9653	0.9109	0.9992	0.9524	0.9347	1.0	0.9984	0.9936	0.9998	0.9992	0.9857	0.9801	0.9988	0.9979	0.9983	0.9944	0.9953	0.9974	1.0	1.0	0.9966	0.9936	0.9917	0.9727

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 · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DebertaV2ForTokenClassification
Ревизия весов: 3162405