/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
bge-m3
Библиотека
transformers
Опубликована
10 фев 2026

OpenMed-PII-French-ClinicalBGE-Large-568M-v1

Разметка токеновТекст → label3 профессии

Дообученная модель OpenMed находит и классифицирует 54 типа персональных и чувствительных данных во французских клинических и других текстах для поддержки обезличивания.

4 982скачиваний за 30 дней0лайковвеса обновлены10 фев 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

OpenMed-PII-French-ClinicalBGE-Large-568M-v1 — модель OpenMed для обнаружения и классификации персональных данных во французском тексте. Это дообученная на BAAI/bge-m3 модель семейства XLM-RoBERTa с архитектурой token classification и примерно 658,7 млн параметров; она принимает текст и размечает токены, выделяя 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские сведения и контактные данные. Модель рассчитана на обработку клинических записей, медицинских документов и других текстовых коллекций, где требуется находить данные для последующего обезличивания, подготовки исследовательских наборов или аудита приватности. В README приведён результат micro F1 0,9733 на французской части набора AI4Privacy PII Masking 400k. Поддерживается французский язык, длина контекста — 8194 токена; модель использует Transformers и формат safetensors.

Модель может помочь в потоках обработки данных, связанных с GDPR и другими требованиями приватности, но её разметку следует проверять человеком: возможны пропуски, а качество может меняться в зависимости от терминологии и контекста. Она оптимизирована для французского и может хуже работать на других языках. Лицензия — Apache-2.0.

Сценарии применения

  • поиск персональных данных во французских медицинских записях
  • обезличивание клинических заметок перед передачей или анализом
  • подготовка французских текстовых наборов для исследований
  • аудит документов на наличие чувствительных сведений
  • извлечение контактов, адресов и идентификаторов из французских документов

Ограничения

README предупреждает о возможных пропусках PII и зависимости качества от терминологии и контекста; для критически важных сценариев нужна проверка человеком. Модель оптимизирована для французского и может хуже работать на других языках.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OpenMed-PII-French-ClinicalBGE-568M-v1

French PII Detection Model | 568M Parameters | Open Source

F1 Score Precision Recall

Model Description

OpenMed-PII-French-ClinicalBGE-568M-v1 is a transformer-based token classification model fine-tuned for Personally Identifiable Information (PII) detection in French text. This model identifies and classifies 54 types of sensitive information including names, addresses, social security numbers, medical record numbers, and more.

Key Features

  • French-Optimized: Specifically trained on French text for optimal performance
  • High Accuracy: Achieves strong F1 scores across diverse PII categories
  • Comprehensive Coverage: Detects 55+ entity types spanning personal, financial, medical, and contact information
  • Privacy-Focused: Designed for de-identification and compliance with GDPR and other privacy regulations
  • Production-Ready: Optimized for real-world text processing pipelines

Performance

Evaluated on the French subset of AI4Privacy dataset:

MetricScore
Micro F10.9733
Precision0.9718
Recall0.9748
Macro F10.9667
Weighted F10.9730
Accuracy0.9963

Top 10 French PII Models

RankModelF1PrecisionRecall
1OpenMed-PII-French-SuperClinical-Large-434M-v10.97970.97900.9804
2OpenMed-PII-French-EuroMed-210M-v10.97620.97470.9777
3OpenMed-PII-French-ClinicalBGE-568M-v10.97330.97180.9748
4OpenMed-PII-French-BigMed-Large-560M-v10.97330.97160.9749
5OpenMed-PII-French-SnowflakeMed-Large-568M-v10.97280.97110.9745
6OpenMed-PII-French-SuperMedical-Large-355M-v10.97280.97120.9744
7OpenMed-PII-French-NomicMed-Large-395M-v10.97220.97040.9740
8OpenMed-PII-French-mClinicalE5-Large-560M-v10.97130.96970.9729
9OpenMed-PII-French-mSuperClinical-Base-279M-v10.96740.96620.9687
10OpenMed-PII-French-ClinicalBGE-Large-335M-v10.96680.96440.9692

Supported Entity Types

This model detects 54 PII entity types organized into categories:

EntityDescription
ACCOUNTNAMEAccountname
BANKACCOUNTBankaccount
BICBic
BITCOINADDRESSBitcoinaddress
CREDITCARDCreditcard
CREDITCARDISSUERCreditcardissuer
CVVCvv
ETHEREUMADDRESSEthereumaddress
IBANIban
IMEIImei
...and 12 more
EntityDescription
AGEAge
DATEOFBIRTHDateofbirth
EYECOLOREyecolor
FIRSTNAMEFirstname
GENDERGender
HEIGHTHeight
LASTNAMELastname
MIDDLENAMEMiddlename
OCCUPATIONOccupation
PREFIXPrefix
...and 1 more
EntityDescription
EMAILEmail
PHONEPhone
EntityDescription
BUILDINGNUMBERBuildingnumber
CITYCity
COUNTYCounty
GPSCOORDINATESGpscoordinates
ORDINALDIRECTIONOrdinaldirection
SECONDARYADDRESSSecondaryaddress
STATEState
STREETStreet
ZIPCODEZipcode
EntityDescription
JOBDEPARTMENTJobdepartment
JOBTITLEJobtitle
ORGANIZATIONOrganization
EntityDescription
AMOUNTAmount
CURRENCYCurrency
CURRENCYCODECurrencycode
CURRENCYNAMECurrencyname
CURRENCYSYMBOLCurrencysymbol
EntityDescription
DATEDate
TIMETime

Usage

Quick Start

from transformers import pipeline

# Load the PII detection pipeline
ner = pipeline("ner", model="OpenMed/OpenMed-PII-French-ClinicalBGE-568M-v1", aggregation_strategy="simple")

text = """
Patient Jean Martin (né le 15/03/1985, NSS: 1 85 03 75 108 234 67) a été vu aujourd'hui.
Contact: jean.martin@email.fr, Téléphone: 06 12 34 56 78.
Adresse: 123 Avenue des Champs-Élysées, 75008 Paris.
"""

entities = ner(text)
for entity in entities:
    print(f"{entity['entity_group']}: {entity['word']} (score: {entity['score']:.3f})")

De-identification Example

def redact_pii(text, entities, placeholder='[REDACTED]'):
    """Replace detected PII with placeholders."""
    # Sort entities by start position (descending) to preserve offsets
    sorted_entities = sorted(entities, key=lambda x: x['start'], reverse=True)
    redacted = text
    for ent in sorted_entities:
        redacted = redacted[:ent['start']] + f"[{ent['entity_group']}]" + redacted[ent['end']:]
    return redacted

# Apply de-identification
redacted_text = redact_pii(text, entities)
print(redacted_text)

Batch Processing

from transformers import AutoModelForTokenClassification, AutoTokenizer
import torch

model_name = "OpenMed/OpenMed-PII-French-ClinicalBGE-568M-v1"
model = AutoModelForTokenClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

texts = [
    "Patient Jean Martin (né le 15/03/1985, NSS: 1 85 03 75 108 234 67) a été vu aujourd'hui.",
    "Contact: jean.martin@email.fr, Téléphone: 06 12 34 56 78.",
]

inputs = tokenizer(texts, return_tensors='pt', padding=True, truncation=True)
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.argmax(outputs.logits, dim=-1)

Training Details

Dataset

  • Source: AI4Privacy PII Masking 400k (French subset)
  • Format: BIO-tagged token classification
  • Labels: 109 total (54 entity types × 2 BIO tags + O)

Training Configuration

  • Max Sequence Length: 512 tokens
  • Epochs: 3
  • Framework: Hugging Face Transformers + Trainer API

Intended Use & Limitations

Intended Use

  • De-identification: Automated redaction of PII in French clinical notes, medical records, and documents
  • Compliance: Supporting GDPR, and other privacy regulation compliance
  • Data Preprocessing: Preparing datasets for research by removing sensitive information
  • Audit Support: Identifying PII in document collections

Limitations

Important: This model is intended as an assistive tool, not a replacement for human review.

  • False Negatives: Some PII may not be detected; always verify critical applications
  • Context Sensitivity: Performance may vary with domain-specific terminology
  • Language: Optimized for French text; may not perform well on other languages

Citation

@misc{openmed-pii-2026,
  title = {OpenMed-PII-French-ClinicalBGE-568M-v1: French PII Detection Model},
  author = {OpenMed Science},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/OpenMed/OpenMed-PII-French-ClinicalBGE-568M-v1}
}

Links

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
XLMRobertaForTokenClassification
Ревизия весов
9188755

0 моделей