/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-base
Библиотека
transformers
Опубликована
28 мая 2026

OpenMed-PII-Vietnamese-SuperClinical-Base-184M-v1

Разметка токеновТекст → label3 профессии

Модель OpenMed на базе DeBERTa обнаруживает и классифицирует персональные данные во вьетнамских клинических записях и других текстах.

52скачиваний за 30 дней0лайковвеса обновлены28 мая 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 разработала OpenMed-PII-Vietnamese-SuperClinical-Base-184M-v1 — модель на базе DeBERTa для классификации токенов и обнаружения персональных данных во вьетнамском тексте. Она выделяет 54 типа сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские сведения. Модель предназначена для деидентификации клинических записей и документов, подготовки наборов данных к исследованиям и поддержки аудита конфиденциальности.

Модель дообучена на microsoft/deberta-v3-base, имеет около 211,6 млн параметров и контекст до 512 токенов. Для обучения использовались многоязычный набор AI4Privacy, данные NVIDIA Nemotron-PII для генерации синтетических примеров и синтетические вьетнамские данные. В карточке приведён показатель Micro F1 0,7343 на тестовой выборке, составленной из AI4Privacy и синтетических данных. Модель выпущена по лицензии Apache-2.0.

Модель ориентирована на вьетнамский язык; качество на других языках может быть ниже. Она может пропускать чувствительные данные, а результаты на специализированной терминологии могут меняться, поэтому для критичных сценариев требуется проверка человеком.

Сценарии применения

  • поиск персональных данных во вьетнамских медицинских записях
  • деидентификация клинических документов перед обменом
  • обезличивание текстовых наборов данных для исследований
  • выявление идентификаторов и контактов в коллекциях документов
  • поддержка аудита конфиденциальности вьетнамских текстов

Ограничения

Модель оптимизирована для вьетнамского языка и может хуже работать на других языках; она способна пропускать персональные данные, а качество на специализированной терминологии может меняться. Для критичных сценариев требуется проверка результатов человеком.

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-Vietnamese-SuperClinical-Base-184M-v1

Vietnamese PII Detection Model | 184M Parameters | Open Source

F1 Score Precision Recall

Model Description

OpenMed-PII-Vietnamese-SuperClinical-Base-184M-v1 is a transformer-based token classification model fine-tuned for Personally Identifiable Information (PII) detection in Vietnamese text. This model identifies and classifies 54 types of sensitive information including names, addresses, social security numbers, medical record numbers, and more.

Key Features

  • Vietnamese-Optimized: Specifically trained on Vietnamese 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 Vietnamese test split (AI4Privacy + synthetic data):

MetricScore
Micro F10.7343
Precision0.7198
Recall0.7494
Macro F10.6669
Weighted F10.7321
Accuracy0.8777

Top 10 Vietnamese PII Models

RankModelF1PrecisionRecall
1OpenMed-PII-Vietnamese-BigMed-Large-560M-v10.75450.75220.7568
2OpenMed-PII-Vietnamese-SuperClinical-Large-434M-v10.74570.73140.7606
3OpenMed-PII-Vietnamese-NomicMed-Large-395M-v10.74500.73780.7523
4OpenMed-PII-Vietnamese-SnowflakeMed-Large-568M-v10.74470.73270.7571
5OpenMed-PII-Vietnamese-ClinicalBGE-Large-568M-v10.74470.73230.7575
6OpenMed-PII-Vietnamese-mSuperClinical-Large-279M-v10.74300.72800.7586
7OpenMed-PII-Vietnamese-ModernMed-Large-395M-v10.74280.73410.7517
8OpenMed-PII-Vietnamese-BioClinicalModern-Large-395M-v10.74180.73440.7493
9OpenMed-PII-Vietnamese-BiomedELECTRA-Large-335M-v10.73820.72520.7517
10OpenMed-PII-Vietnamese-SuperMedical-Large-355M-v10.73700.72310.7513

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-Vietnamese-SuperClinical-Base-184M-v1", aggregation_strategy="simple")

text = """
Bệnh nhân Trần Minh Đức (sinh ngày 15/03/1985, CCCD: 098765432109) được khám hôm nay.
Liên hệ: tran.duc@email.vn, Điện thoại: +84 912 345 678.
Địa chỉ: 123 Lê Lợi, Quận 1, TP.HCM.
"""

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-Vietnamese-SuperClinical-Base-184M-v1"
model = AutoModelForTokenClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

texts = [
    "Bệnh nhân Trần Minh Đức (sinh ngày 15/03/1985, CCCD: 098765432109) được khám hôm nay.",
    "Liên hệ: tran.duc@email.vn, Điện thoại: +84 912 345 678.",
]

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

This model was trained on a combination of:

  • AI4Privacy PII Masking 200K: Multilingual base dataset (200K records across 8 languages)

  • NVIDIA Nemotron-PII: Seed dataset for synthetic data generation

  • Synthetic Vietnamese Data: ~25K high-quality samples generated with locale-specific formatting (CCCD format, +84 phones, Vietnamese names, ₫ currency)

  • Format: BIO-tagged token classification

  • Labels: 76 BIO tags (54 entity types)

Training Configuration

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

Intended Use & Limitations

Intended Use

  • De-identification: Automated redaction of PII in Vietnamese 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 Vietnamese text; may not perform well on other languages

Citation

@misc{openmed-pii-2026,
  title = {OpenMed-PII-Vietnamese-SuperClinical-Base-184M-v1: Vietnamese PII Detection Model},
  author = {OpenMed Science},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/OpenMed/OpenMed-PII-Vietnamese-SuperClinical-Base-184M-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
DebertaV2ForTokenClassification
Ревизия весов
7960bf5

0 моделей