/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
transformers
Опубликована
27 фев 2025

llama-ai4privacy-multilingual-categorical-anonymiser-openpii

Разметка токеновТекст → label8 профессий

Многоязычная модель Ai4Privacy на базе ModernBERT для обнаружения, классификации и редактирования персональных данных в тексте.

1 272скачиваний за 30 дней22лайкавеса обновлены24 мар 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

Multilingual Anonymiser OpenPII — модель Ai4Privacy для обнаружения, классификации и редактирования персональных данных в тексте. Это дообученная на наборе open-pii-masking-500k-ai4privacy модель ModernBERT-base с архитектурой ModernBertForTokenClassification и 149 млн параметров. Репозиторий содержит веса Safetensors и формат ONNX; максимальная длина контекста — 8192 токена.

Модель размечает фрагменты текста категориями PII, например именами и фамилиями, адресами электронной почты, датами и временем, чтобы их можно было скрыть или заменить. Она предназначена для анонимизации и категоризации PII в многоязычных документах. Карточка приводит результаты оценки на тестовой части обучающего набора: F1 составляет 91,50% в целом и 84,91% при макроусреднении; качество в реальных текстах может отличаться.

Заявлена поддержка французского, английского, немецкого, телугу, хинди, итальянского, испанского и нидерландского языков. В карточке отмечены более низкая точность для некоторых категорий, включая номера паспортов и водительских удостоверений, и необходимость проверять качество на собственных данных. Модель распространяется по лицензии MIT.

Сценарии применения

  • обнаружение имен, адресов и других персональных данных в документах
  • поиск и категоризация адресов электронной почты и дат
  • автоматическое скрытие PII перед публикацией или передачей текста
  • анонимизация многоязычных текстовых массивов
  • проверка текстов на наличие персональных данных перед загрузкой в системы

Ограничения

На тестовом наборе точность для некоторых классов, включая номера паспортов и водительских удостоверений, ниже; в реальных текстах качество может отличаться. Перед применением следует проверить модель 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

Multilingual Anonymiser OpenPII (Ai4Privacy)

This model is designed to redact and classify Personally Identifiable Information (PII) from multilingual text. It has been fine-tuned on the open-pii-masking-500k-ai4privacy dataset and supports multiple languages, including French (fr), English (en), German (de), Telugu (te), Hindi (hi), Italian (it), Spanish (es), and Dutch (nl).


Evaluation Metrics

The table below summarizes the detailed evaluation results per PII label. Metrics are presented as percentages rounded to two decimal places. For the "O" (Non-PII) label, precision, recall, and F1 score are not applicable (n/a) due to the absence of true positives.

LabelTPFPFNAccuracyPrecisionRecallF1 Score
O (Non-PII)0734098.97%n/an/an/a
GIVENNAME662366135286.73%90.93%94.95%92.90%
SURNAME278687716272.84%76.06%94.50%84.28%
CITY176321622579.99%89.09%88.68%88.88%
DATE21951399.82%99.95%99.86%99.91%
AGE1767295.14%96.17%98.88%97.51%
EMAIL298100100.0%100.0%100.0%100.0%
CREDITCARDNUMBER601573586.72%91.34%94.50%92.89%
SEX10345169.13%69.59%99.04%81.75%
SOCIALNUM3641342070.27%73.09%94.79%82.54%
TIME16311399.76%99.94%99.82%99.88%
TELEPHONENUM353710999.47%99.72%99.75%99.73%
IDCARDNUM154031414876.92%83.06%91.23%86.96%
ZIPCODE311391684.97%88.86%95.11%91.87%
DRIVERLICENSENUM2961432663.66%67.43%91.93%77.79%
PASSPORTNUM4822852560.86%62.84%95.07%75.67%
TITLE224687860.54%76.71%74.17%75.42%
BUILDINGNUM292451483.19%86.65%95.42%90.85%
STREET12721556785.14%89.14%94.99%91.97%
TAXNUM4711013477.72%82.34%93.27%87.47%
GENDER12335973.65%77.85%93.18%84.83%

Overall Evaluation

  • Accuracy: 95.03%

  • Precision: 87.61%

  • Recall: 95.76%

  • F1 Score: 91.50%

  • Total True Positives (TP): 27,771

  • Total False Positives (FP): 3,928

  • Total False Negatives (FN): 1,229

Macro-Averaged Metrics

  • Accuracy: 82.17%
  • Precision: 80.99%
  • Recall: 89.96%
  • F1 Score: 84.91%

Model Behavior & Limitations

  • Evaluation Focus:
    The metrics above reflect performance on the test split of the open-pii-masking-500k-ai4privacy dataset. This model both redacts and classifies PII into specific categories (e.g., GIVENNAME, EMAIL). Real-world performance may vary depending on text domain and language, so additional validation is recommended. For support, contact support@ai4privacy.com.

  • Strengths:

    • High recall (95.76%) ensures most PII is detected.
    • Exceptional performance on labels like "EMAIL" (100% F1), "DATE" (99.91% F1), and "TIME" (99.88% F1).
  • Limitations:

    • Lower precision for labels such as "PASSPORTNUM" (62.84%) and "DRIVERLICENSENUM" (67.43%), indicating a higher rate of false positives.
    • The "O" (Non-PII) label has no true positives, making precision, recall, and F1 score not applicable (n/a).

Disclaimer

This model card details the evaluation metrics and fine-tuning parameters for the multilingual anonymiser with PII classification capabilities. Please note:

  • The model is provided as-is under the MIT License.
  • It is intended for both redaction and PII classification purposes.
  • Users should thoroughly test and evaluate its performance on their specific datasets before deploying in production environments.

Ai4Privacy – Committed to protecting personal data in the age of AI.


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
ModernBertForTokenClassification
Ревизия весов
83ef30d

0 моделей