Характеристики

Контекст: 512 токенов
Параметры: 434 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-large-uncased
Опубликована: 1 апр 2024

Ссылки

my_pii_model_bert_large_uncased_2

Разметка токеновТекст → label6 профессий

Дообученная англоязычная BERT Large модель для разметки токенов и предположительного обнаружения персональных данных в тексте.

7скачиваний за 30 дней0лайковвеса обновлены2 апр 2024

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

Это дообученная модель BERT Large Uncased от разработчика shubhamgantayat для классификации токенов. По названию модели она предназначена для обнаружения персональных данных (PII) в тексте; README не раскрывает метки, данные обучения или подробности оценки, поэтому точный перечень распознаваемых типов данных установить нельзя. Модель принимает текст и выдаёт метки для отдельных токенов.

Модель содержит 433,9 млн параметров, использует архитектуру BertForTokenClassification и контекст длиной до 512 токенов. Базовая модель ориентирована на английский язык; отдельные сведения о языках обучения и оценки этой версии не приведены. Доступна в формате safetensors.

Лицензия — Apache-2.0. README не описывает ограничения и рекомендуемые сценарии использования; качество распознавания и применимость к конкретным типам PII следует оценивать на целевых данных.

Сценарии применения

поиск персональных данных в англоязычных документах
разметка фрагментов текста, содержащих персональные данные
предварительная фильтрация текста перед обезличиванием

Ограничения

README не указывает, какие именно типы персональных данных распознаются, и не описывает обучающие данные или метрики качества, кроме значения loss 0,0003 на оценочном наборе. Применимость к другим языкам и доменам не подтверждена.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_pii_model_bert_large_uncased_2

This model is a fine-tuned version of google-bert/bert-large-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0003

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: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
0.001	1.0	3268	0.0006
0.0004	2.0	6536	0.0004
0.0001	3.0	9804	0.0003

Framework versions

Transformers 4.38.2
Pytorch 2.2.1+cu121
Datasets 2.18.0
Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: ab77bce