/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-large-en-v1.5
Библиотека
transformers
Опубликована
10 фев 2026

OpenMed-PII-German-ClinicalBGE-Large-335M-v1

Разметка токеновТекст → label3 профессии

Модель OpenMed находит и классифицирует персональные данные в немецком тексте, помогая обезличивать клинические записи и документы.

9 736скачиваний 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-German-ClinicalBGE-Large-335M-v1 — модель OpenMed для обнаружения и классификации персональных данных в немецком тексте. Это дообученная на базе BAAI/bge-large-en-v1.5 модель BERT с головой токеновой классификации; метаданные указывают 433,9 млн параметров, контекст до 512 токенов и формат safetensors. Модель предназначена для разметки 54 типов чувствительных данных, включая имена, адреса, идентификаторы, медицинские сведения и контактную информацию.

Её можно применять для поиска персональных данных в клинических записях и документах, подготовки датасетов к исследованиям, а также для поддержки обезличивания и проверок соответствия требованиям приватности. В оценке на немецкой части AI4Privacy модель показала Micro F1 0,9652. Распространяется по лицензии Apache-2.0.

Модель рассчитана на немецкий язык; README предупреждает, что качество на других языках может быть низким, а отдельные данные могут остаться необнаруженными. Результаты следует проверять человеком, особенно в критичных сценариях; качество также может меняться в зависимости от терминологии предметной области.

Сценарии применения

  • поиск персональных данных в немецких медицинских записях
  • обезличивание клинических документов перед передачей или публикацией
  • выявление контактных данных и идентификаторов в немецких текстах
  • подготовка немецких датасетов для исследований с удалением чувствительных сведений
  • аудит коллекций документов на наличие персональных данных

Ограничения

Возможны пропуски персональных данных, поэтому результаты нужно проверять человеком; качество может зависеть от терминологии предметной области. Модель оптимизирована для немецкого языка 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-German-ClinicalBGE-Large-335M-v1

German PII Detection Model | 335M Parameters | Open Source

F1 Score Precision Recall

Model Description

OpenMed-PII-German-ClinicalBGE-Large-335M-v1 is a transformer-based token classification model fine-tuned for Personally Identifiable Information (PII) detection in German text. This model identifies and classifies 54 types of sensitive information including names, addresses, social security numbers, medical record numbers, and more.

Key Features

  • German-Optimized: Specifically trained on German 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 German subset of AI4Privacy dataset:

MetricScore
Micro F10.9652
Precision0.9624
Recall0.9680
Macro F10.9492
Weighted F10.9636
Accuracy0.9943

Top 10 German PII Models

RankModelF1PrecisionRecall
1OpenMed-PII-German-SuperClinical-Large-434M-v10.97610.97440.9778
2OpenMed-PII-German-SnowflakeMed-Large-568M-v10.97240.97050.9743
3OpenMed-PII-German-ClinicalBGE-568M-v10.97240.97020.9745
4OpenMed-PII-German-BigMed-Large-560M-v10.97140.96960.9732
5OpenMed-PII-German-NomicMed-Large-395M-v10.97130.96900.9735
6OpenMed-PII-German-SuperMedical-Large-355M-v10.97010.96840.9719
7OpenMed-PII-German-EuroMed-210M-v10.96830.96670.9699
8OpenMed-PII-German-ClinicalBGE-Large-335M-v10.96520.96240.9680
9OpenMed-PII-German-ClinicalE5-Large-335M-v10.96460.96200.9672
10OpenMed-PII-German-BiomedELECTRA-Large-335M-v10.96380.95980.9677

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-German-ClinicalBGE-Large-335M-v1", aggregation_strategy="simple")

text = """
Patient Hans Schmidt (geboren am 15.03.1985, SVN: 12 150385 M 234) wurde heute untersucht.
Kontakt: hans.schmidt@email.de, Telefon: 0171 234 5678.
Adresse: Mozartstraße 15, 80336 München.
"""

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-German-ClinicalBGE-Large-335M-v1"
model = AutoModelForTokenClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

texts = [
    "Patient Hans Schmidt (geboren am 15.03.1985, SVN: 12 150385 M 234) wurde heute untersucht.",
    "Kontakt: hans.schmidt@email.de, Telefon: 0171 234 5678.",
]

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 (German 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 German 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 German text; may not perform well on other languages

Citation

@misc{openmed-pii-2026,
  title = {OpenMed-PII-German-ClinicalBGE-Large-335M-v1: German PII Detection Model},
  author = {OpenMed Science},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/OpenMed/OpenMed-PII-German-ClinicalBGE-Large-335M-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
BertForTokenClassification
Ревизия весов
b69244a

0 моделей