Характеристики

Библиотека: transformers
Опубликована: 3 июл 2026

Ссылки

Hugging Face

Anonymizer-v3

QomSSLab

Разметка токеновТекст → label

Anonymizer-v3 — модель разметки персидского текста для обнаружения персональных данных и чувствительных сущностей.

1скачиваний за 30 дней0лайковвеса обновлены27 июл 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

QomSSLab разработала Anonymizer-v3 — модель классификации токенов на базе XLM-RoBERTa с головой для разметки сущностей. Она предназначена для выявления в тексте персональных и чувствительных данных: имён, адресов, телефонов, идентификаторов документов и номеров, организаций, дат, сумм и профессий. Модель можно использовать в конвейерах Transformers для извлечения меток с агрегацией токенов в сущности.

В README приведены метрики проверки: precision 0,9336, recall 0,9508, F1 0,9421 и accuracy 0,9923. Для метки ACOUNT указаны более низкие recall и F1 — 0,4750 и 0,6441 соответственно. Карточка не сообщает условия лицензии; метаданные указывают формат safetensors и язык fa, что свидетельствует о поддержке персидского языка.

Сценарии применения

поиск имён людей в персидских текстах
извлечение адресов и телефонных номеров для обезличивания
обнаружение идентификаторов документов и номеров
выделение денежных сумм и дат из текста
разметка организаций, должностей и филиалов организаций

Ограничения

Метрики для метки ACOUNT заметно ниже общих показателей: recall 0,4750 и F1 0,6441. Лицензия и условия использования не приведены в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

QomSSLab/Anonymizer-v3

This repository hosts an XLM-RoBERTa token-classification head trained.

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

model_id = "QomSSLab/Anonymizer-v3"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForTokenClassification.from_pretrained(model_id)
tagger = pipeline("token-classification", model=model, tokenizer=tokenizer, aggregation_strategy="simple")

text = "مثال از یک ورودی فارسی"
for entity in tagger(text):
    print(entity)

Labels

ACOUNT
ADDRESS
AMOUNT
DATE
DOCUMENT_ID
ID
JOB
O
ORG
ORG_BRANCH
PERSON
PHONEـNUMBER
PLATEـNUMBER

Metrics

Validation Metrics

Precision: 0.9336
Recall: 0.9508
F1: 0.9421
Accuracy: 0.9923

Per-label Breakdown

Label	Precision	Recall	F1	Support
ACOUNT	1.0000	0.4750	0.6441	40
ADDRESS	0.9987	0.9993	0.9990	1519
AMOUNT	0.9941	1.0000	0.9970	168
DATE	0.9836	0.9938	0.9887	484
DOCUMENT_ID	0.9660	0.9906	0.9781	1378
ID	0.9427	1.0000	0.9705	181
JOB	1.0000	0.4286	0.6000	35
O	0.9960	0.9982	0.9971	16164
ORG	0.7961	0.9213	0.8542	89
ORG_BRANCH	0.9911	0.9321	0.9607	839
PERSON	0.9924	0.9931	0.9928	1454
PHONEـNUMBER	1.0000	0.9417	0.9700	206
PLATEـNUMBER	1.0000	1.0000	1.0000	0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 8e670e1