/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
3 сен 2025

bert-pii-detection

Разметка токеновТекст → label8 профессий

Дообученная DistilBERT-модель для обнаружения и классификации персональных данных в англоязычном тексте.

655скачиваний за 30 дней0лайковвеса обновлены4 сен 2025

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

SoelMgd/bert-pii-detection — модель на основе DistilBERT, дообученная для обнаружения и классификации персональных данных в тексте. Она выполняет токенную классификацию и размечает 56 типов сущностей, включая имена, контакты, адреса, финансовые реквизиты, идентификаторы и учётные данные.

Модель предназначена для поиска и маскирования персональных данных, обезличивания наборов текста и проверки текстовых данных в сценариях защиты приватности и соблюдения требований к обработке данных. Использует архитектуру DistilBertForTokenClassification и поддерживает английский язык. Контекст ограничен 512 токенами; качество может снижаться на коротких и длинных текстах, а также на специализированной терминологии. Модель обучена на данных AI4Privacy; в README указаны наборы PII-42k и PII-200k. Лицензия — MIT.

Сценарии применения

  • поиск имён, контактов и адресов в текстах
  • обнаружение платёжных реквизитов и идентификаторов
  • маскирование персональных данных перед передачей текста
  • обезличивание текстовых наборов данных
  • выявление персональных данных в процессах проверки приватности

Ограничения

Модель обучена преимущественно на английском языке, может хуже работать со специализированной терминологией, а качество на очень коротких и длинных текстах может различаться. Рекомендуется проверять качество на целевых данных.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT PII Detection Model

Fine-tuned DistilBERT model for Personal Identifiable Information (PII) detection and classification.

Model Details

  • Base Model: distilbert-base-uncased
  • Task: Token Classification (Named Entity Recognition)
  • Languages: English
  • License: MIT
  • Fine-tuned on: AI4Privacy PII-42k dataset

Supported PII Entity Types

This model can detect 56 different types of PII entities including:

Personal Information:

  • FIRSTNAME, LASTNAME, MIDDLENAME
  • EMAIL, PHONENUMBER, USERNAME
  • DATE, TIME, DOB, AGE

Address Information:

  • STREET, CITY, STATE, COUNTY
  • ZIPCODE, BUILDINGNUMBER
  • SECONDARYADDRESS

Financial Information:

  • CREDITCARDNUMBER, CREDITCARDISSUER, CREDITCARDCVV
  • ACCOUNTNAME, ACCOUNTNUMBER, IBAN, BIC
  • AMOUNT, CURRENCY, CURRENCYCODE, CURRENCYSYMBOL

Identification:

  • SSN, PIN, PASSWORD
  • IP, IPV4, IPV6, MAC
  • ETHEREUMADDRESS, BITCOINADDRESS, LITECOINADDRESS

Professional Information:

  • JOBTITLE, JOBTYPE, JOBAREA, COMPANYNAME

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

# Load model and tokenizer
model_name = "SoelMgd/bert-pii-detection"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

# Create NER pipeline
ner_pipeline = pipeline(
    "ner", 
    model=model, 
    tokenizer=tokenizer,
    aggregation_strategy="simple"
)

# Example usage
text = "Hi, my name is John Smith and my email is john.smith@company.com"
entities = ner_pipeline(text)
print(entities)

Training Data

  • Dataset: AI4Privacy PII-200k
  • Size: ~209k examples
  • Languages: English, French, German, Italian (this model: English only)
  • Entity Types: 56 different PII categories

Performance

The model achieves high performance on PII detection tasks with good precision and recall across different entity types.

Intended Use

This model is designed for:

  • PII detection and masking in text
  • Privacy compliance applications
  • Data anonymization pipelines
  • Content moderation systems

Limitations

  • Trained primarily on English text
  • May not generalize to domain-specific jargon
  • Performance may vary on very short or very long texts
  • Should be validated on your specific use case

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
DistilBertForTokenClassification
Ревизия весов
6a385a5

0 моделей