/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Своя лицензия
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Библиотека
transformers
Опубликована
25 июн 2026

CitiLink-XLMR-Anonymization-pt

Разметка токеновТекст → label4 профессии

Дообученная XLM-RoBERTa Large находит персональные и другие чувствительные данные в португальских протоколах муниципальных заседаний для последующей анонимизации.

17скачиваний за 30 дней0лайковвеса обновлены25 июн 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

XLMR-Council-Anonymizer — дообученная XLM-RoBERTa Large от разработчиков репозитория liaad для выявления персональных и других чувствительных данных в протоколах заседаний муниципалитетов Португалии. Модель выполняет токенную классификацию в формате NER и поддерживает автоматизацию последующей анонимизации документов.

Модель обучена на 120 португалоязычных протоколах из шести муниципалитетов. Для снижения влияния дисбаланса классов применялась взвешенная функция потерь; заявлены 19 типов сущностей в BIO-разметке. Метаданные указывают 305,2 млн параметров, архитектуру XLMRobertaForTokenClassification и контекст до 514 токенов. README приводит другие значения — около 560 млн параметров и окно 512 токенов.

На тестовой выборке указаны F1 72,67% macro и 83,51% micro; качество зависит от типа сущности. Модель предназначена прежде всего для административных протоколов Португалии и может хуже работать на других документах. Лицензия в метаданных обозначена как other; конкретные условия использования в доступных данных не раскрыты.

Сценарии применения

  • Выявление имён людей в протоколах муниципальных заседаний
  • Поиск административных идентификаторов и номеров дел
  • Извлечение должностей и профессиональных ролей из официальных протоколов
  • Подготовка муниципальных документов к автоматической анонимизации

Ограничения

Модель обучена на португальских протоколах муниципальных заседаний, поэтому её переносимость на другие жанры документов не установлена. README указывает контекст 512 токенов, а метаданные — 514; опубликованная оценка F1 составляет 72,67% macro и 83,51% micro.

Для каких профессий подходит4

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

XLMR-Council-Anonymizer: Personal Data Identification for Portuguese Municipal Meeting Minutes

This model consists of a fine-tuned XLM-RoBERTa Large for the extraction and identification of sensitive personal data in minutes of Portuguese municipal meetings.

Model Description

The XLMR-Council-Anonymizer leverages the multilingual contextual representations of FacebookAI's XLM-RoBERTa, specifically optimized for the linguistic and formal structure of administrative minutes in Portugal. Unlike generic NER models, this model was trained with Weighted Cross-Entropy Loss to handle class imbalance, allowing for effective detection even in entities with few occurrences.

Key Features

  • 🏛️ Specialized for Municipal Minutes: Fine-tuned on authentic Portuguese council meeting minutes
  • 🛡️ Privacy-Focused NER: Identifies and classifies sensitive entities (PII) to support automatic anonymization processes.
  • ⚙️ Transformer-based Architecture: It uses the power of XLM-RoBERTa to capture the grammatical and formal context of administrative documents.

Model Details

  • Base Model: XLM-RoBERTa Large
  • Architecture: Token Classification (NER) with Weighted Cross-Entropy Loss
  • Parameters: ~560M
  • Max Sequence Length: 512 tokens
  • Fine-tuning Dataset: 120 Portuguese meeting minutes (6 municipalities)
  • Evaluation Metrics: F1-Score, Recall and Precision
  • Training Framework: PyTorch + Transformers + Seqeval

Entity Types

The model recognizes 19 entity types in BIO format (49 labels total):

Entity TypeDescriptionExample
PERSONAL-NAMEProper names of individualsJoão Silva
PERSONAL-ADMINAdministrative identifiers and case/process numbers5597/2023
PERSONAL-POSITIONProfessional roles, political positions, or technical functionsDiretor do Departamento dos Recursos Humanos
PERSONAL-ADDRESSAddresses, street names, and door/plot numbersRua das Flores n.º 10, Avenida Central
PERSONAL-DATEDates of events, decisions, or time periods20/05/2023
PERSONAL-LOCATIONCities, parishes, districts, or geographic locationsFreguesia do Porto
PERSONAL-OTHERGeneric personal information and miscellaneous contact dataReferências de contacto, dados diversos
PERSONAL-INFOBiographical data or sensitive personal information11490753
PERSONAL-COMPANYCompanies or private legal entitiesConstruções & Filho, Lda
PERSONAL-ARTISTICNomes artísticos, pseudónimosPintura
PERSONAL-DEGREEAcademic titles or professional degreesLicenciatura de Psicologia
PERSONAL-TIMEReferences to specific times14:30h
PERSONAL-LICENSELicense plates or registration numbers48-RF-99
PERSONAL-JOBPerson's profession or occupation.Professor
PERSONAL-VEHICLEVehicle identification and modelsMercedes-Benz Classe S
PERSONAL-FACULTYHigher education institutions or university facultiesFaculdade de Economia da Universidade do Porto
PERSONAL-FAMILYMentions of kinship, family relationships, or heirsMarido

How It Works

The model performs token-level classification, analyzing each word individually based on its linguistic context. Through this analysis, the system identifies patterns to detect sensitive information using the labels mentioned above and assigns specific labels that allow for the automatic anonymization of the data.

INPUT:

O interessado João Silva submeteu o processo administrativo 5597/2023 no dia 20/05/2023, relativo ao imóvel localizado na Rua das Flores n.º 10.

Output:

O interessado <NAME> submeteu o processo administrativo <ADMIN> no dia <DATE>, relativo ao imóvel localizado na <ADDRESS>.

Results

Overall Performance (Test Set)

MetricMacro (%)Micro (%)
F1 Score72.6783.51
Precision71.2179.77
Recall74.8787.85

Per-Entity Performance

Entity TypePrecision (%)Recall (%)F1 Score (%)Support
PERSONAL-NAME96.4395.4595.94208
PERSONAL-ADMIN85.9690.0087.93169
PERSONAL-POSITION60.6580.3469.12130
PERSONAL-ADDRESS69.5777.4273.2862
PERSONAL-DATE90.2093.8892.0048
PERSONAL-LOCATION71.4364.5267.8031
PERSONAL-OTHER34.7844.4439.0218
PERSONAL-COMPANY83.3362.5071.438
PERSONAL-TIME75.00100.0085.716
PERSONAL-FAMILY0.000.000.004
PERSONAL-DEGREE100.00100.00100.002
PERSONAL-FACULTY50.0050.0050.002
PERSONAL-INFO100.00100.00100.001
PERSONAL-ARTISTIC0.000.000.000
PERSONAL-LICENSE0.000.000.000
PERSONAL-JOB0.000.000.000
PERSONAL-VEHICLE0.000.000.000

Usage

Quick Start

The simplest way to use the model:

from transformers import pipeline

model_name = "inesctec/CitiLink-XLMR-Anonymization-pt"

nlp = pipeline("ner", model=model_name, tokenizer=model_name, aggregation_strategy="simple")

text = "A reunião foi presidida por Manuel Brito no concelho de Alandroal."

results = nlp(text)

for entity in results:
    print(f"Entidade: {entity['word']} | Categoria: {entity['entity_group']} | Score: {entity['score']:.4f}")

Limitations

  • Domain Specificity: Best performance on administrative/governmental meeting minutes
  • Domain-specific: Trained specifically on Portuguese municipal meeting minutes; may not generalize well to other document types
  • Sequence length: Limited to 512 tokens per window

Version: 1.0
Last Updated: 2026-06-25


License

This project uses a custom dual-license based on AGPL v3.

See the full license terms here: LICENSE

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
XLMRobertaForTokenClassification
Ревизия весов
fc73e65

0 моделей