Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bert-base-turkish-cased
Библиотека: transformers
Опубликована: 22 апр 2026

Ссылки

Hugging Face

kvkk-ner-bert-turkish

btniq

Разметка токеновТекст → label

Дообученная турецкая BERT-модель для поиска и токенной разметки персональных данных в контексте KVKK.

166скачиваний за 30 дней0лайковвеса обновлены22 апр 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

btniq/kvkk-ner-bert-turkish — модель распознавания сущностей, дообученная на основе dbmdz/bert-base-turkish-cased. Она предназначена для токенной классификации при извлечении персональных данных, связанных с KVKK — турецким законодательством о защите персональных данных. Модель построена на BERT, содержит 137,8 млн параметров, принимает текст с контекстом до 512 токенов и рассчитана на турецкий язык.

На указанном в карточке наборе оценки модель достигла F1 0,9177, точности 0,9152 и полноты 0,9203. Эти результаты относятся только к оценочному набору, сведения о котором в карточке не приведены. Модель выпущена под лицензией MIT.

Сценарии применения

поиск персональных данных в турецких текстах
разметка сущностей для проверки документов на соответствие KVKK
извлечение персональных данных из текстовых записей
предварительная анонимизация турецких документов

Ограничения

В карточке не описаны категории сущностей, состав обучающего и оценочного наборов или поведение на данных вне оценки; приведённые метрики нельзя считать гарантией качества в других сценариях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

kvkk-ner-bert-turkish

This model is a fine-tuned version of dbmdz/bert-base-turkish-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0802
Precision: 0.9152
Recall: 0.9203
F1: 0.9177
Accuracy: 0.9759

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.1429	1.0	3246	0.0861	0.8965	0.9167	0.9065	0.9732
0.0970	2.0	6492	0.0958	0.9100	0.9095	0.9097	0.9730
0.0716	3.0	9738	0.1025	0.9059	0.9100	0.9079	0.9724

Framework versions

Transformers 5.5.4
Pytorch 2.11.0+cu130
Datasets 4.8.4
Tokenizers 0.22.2

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: b39d1ab