/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Лицензия
Своя лицензия
Архитектура
roberta · dense
Библиотека
transformers
Опубликована
16 авг 2026

schift-ko-pii-v4

Разметка токеновТекст → label5 профессий

RoBERTa-модель для обнаружения и разметки персональных данных в корейских документах.

14скачиваний за 30 дней0лайковвеса обновлены18 авг 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

schift-io/schift-ko-pii-v4 — модель распознавания персональных данных в корейском тексте, разработанная Schift и дообученная с LoRA на основе klue/roberta-base. Это RoBERTa-модель для классификации токенов с разметкой BIES; в метаданных указано 137,8 млн параметров, а длина контекста составляет 514 токенов. README сообщает о публикации весов в формате bf16 safetensors и максимальной длине входа 512 токенов.

Модель предназначена для выявления имён, телефонов, адресов, идентификаторов и других PII в корейских юридических, финансовых и административных документах. Дополнительная постобработка может проверять структурированные номера, объединять фрагменты сущностей и подавлять некоторые ложные срабатывания. README приводит результаты внутренних бенчмарков, однако они не гарантируют такую же точность на других данных. Лицензия в метаданных обозначена как other, поэтому перед использованием следует проверить условия в карточке модели.

Сценарии применения

  • поиск имён людей в корейских юридических документах
  • извлечение телефонных номеров и адресов из корейских текстов
  • обнаружение идентификационных номеров и номеров автомобилей
  • проверка финансовых и административных документов на утечки PII

Ограничения

Специализирована на корейском тексте, а показатели в README получены на бенчмарках автора и могут не переноситься на другие корпуса. Указанная в метаданных лицензия «other» требует проверки условий использования.

Для каких профессий подходит5

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

schift-ko-pii-v4

111M parameter Korean PII detector that outperforms models 3x its size.

Fine-tuned from klue/roberta-base with LoRA on Korean legal, financial, and administrative texts. Distributed as bf16 safetensors (210 MB).

Benchmark

Two benchmark suites are included in this repository under benchmark/.

benchmark_v1 (93 cases)

Same benchmark, same scoring (50% overlap match), no postprocessing on either side.

ModelParamsmicro F1strong F1Size
schift-ko-pii-v4111M0.8630.893210 MB (bf16)
LFM2.5-PII-Detector350M0.6630.645~1.4 GB

benchmark_v2 (253 cases)

Expanded benchmark with harder cases: investigation reports, complex address formats, foreign/Hanja names, mixed-entity documents.

ModelParamsraw F1raw Praw R
LFM2.5-Encoder-350M-PII350M0.2540.2070.328
schift-ko-pii-v4111M0.7020.6020.842

With postprocessing enabled (postprocess=True):

BenchmarkF1PR
v1 (93 cases)0.9680.9470.991
v2 (253 cases)0.8020.8020.802

Category breakdown (benchmark_v1, raw model)

Categoryschift-ko-piiLFM2.5-PII
Person (standard)1.000.67
Person (rare surnames)1.000.60
Person (short names)1.000.57
Phone0.860.92
Email1.000.86
Address (urban)1.000.67
Address (rural)1.000.60
Vehicle plate1.000.00
Date (Korean)1.000.00
Resident ID1.000.75
Passport1.001.00

LFM2.5 is a strong multilingual model, but it was not trained on Korean-specific formats: vehicle plates (52가1234), resident registration numbers (850205-1234567), Korean date expressions (2024년 3월 15일), or rare Korean surnames (황보, 남궁, 독고).

Quick start

pip install schift-ko-pii
from schift_ko_pii import detect, mask, apply

# Detect PII spans (each entity gets a sequential id)
spans = detect("피고 김민수의 전화번호는 010-1234-5678이다.")
# [
#   {"id": "person_1", "start": 3, "end": 6, "label": "private_person", ...},
#   {"id": "phone_1", "start": 14, "end": 27, "label": "phone_number", ...},
# ]

# Mask: get masked text + entity map in one call
result = mask("피의자 김철수가 피해자 박영희에게 서울시 강남구에서 금품을 전달하였다.")
print(result["masked"])
# 피의자 [사람1]가 피해자 [사람2]에게 [주소1]에서 금품을 전달하였다.

for e in result["entities"]:
    print(f"  {e['id']}: {e['text']}")
# person_1: 김철수
# person_2: 박영희
# address_1: 서울시 강남구

# Apply: replace selected entities (user can edit the map before applying)
text = apply(
    "피의자 김철수가 피해자 박영희에게 서울시 강남구에서 금품을 전달하였다.",
    result["entities"],
    replacements={"person_1": "OOO", "person_2": "△△△"}
    # address_1 omitted → left unmasked
)
# 피의자 OOO가 피해자 △△△에게 서울시 강남구에서 금품을 전달하였다.

# With postprocessing (regex validation + structured-ID rules)
spans = detect("주민번호 850205-1234567을 확인.", postprocess=True)

Postprocessing

The postprocess=True flag applies Korean-specific rules:

  • Regex validation for structured IDs (resident numbers, passports, vehicle plates, bank accounts)
  • Luhn/checksum verification where applicable
  • Context-aware span merging
  • False-positive suppression for legal case numbers and statute references

API (free)

For production use without managing model files:

from schift import Schift

client = Schift(api_key="...")  # free at schift.io
result = client.pii.redact("김민수의 전화번호는 010-1234-5678입니다.")
# Postprocessing is always enabled on the API.

Labels

LabelDescriptionExamples
private_personPerson names (Korean, Hanja, foreign)김민수, 황보영희, Lee Jenny
private_phonePhone numbers010-1234-5678, 02-1234-5678
private_emailEmail addressesuser@example.com
private_addressStreet/postal addresses서울특별시 강남구 테헤란로 521
private_dateDates2024년 3월 15일, 2024-03-15
private_urlURLs, SNS links, IP addressesinstagram.com/user, 192.168.1.1
account_numberStructured IDs: resident/business/bank/passport/vehicle850205-1234567, M12345678
secretSecrets, API keys, passwords

Running benchmarks

# Benchmark this model (v1, 93 cases)
python benchmark/run_benchmark.py

# Benchmark v2 (253 cases)
python benchmark/run_benchmark.py --benchmark benchmark/benchmark_v2.jsonl

# With postprocess
python benchmark/run_benchmark.py --postprocess

# Compare any HuggingFace model
python benchmark/run_benchmark.py --hf-model LiquidAI/LFM2.5-Encoder-350M-PII-Detector

Model details

  • Base model: klue/roberta-base (111M params)
  • Training: LoRA adapter on ~20k Korean legal/financial/admin examples
  • Format: safetensors bf16 (210 MB)
  • Inference: transformers pipeline, CPU or GPU
  • Max length: 512 tokens
  • Tagging scheme: BIES (Begin/Inside/End/Single)

License

Schift License v2.0 — Apache 2.0 base with a revenue threshold. Free for everyone under $10M annual revenue. Research, education, and non-profit use always permitted. Companies above the threshold: contact hello@schift.io.

Citation

@software{schift_ko_pii_2026,
  author = {Schift Inc.},
  title = {schift-ko-pii: Korean PII Detection Model},
  year = {2026},
  url = {https://huggingface.co/schift-io/schift-ko-pii-v4},
}

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
RobertaForTokenClassification
Ревизия весов
7333723

0 моделей