/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Опубликована
16 авг 2025

eu-pii-safeguard

Разметка токеновТекст → label7 профессий

Мультиязычная модель Tabularis AI находит и размечает персональные данные в тексте на 26 официальных языках ЕС.

4 160скачиваний за 30 дней26лайковвеса обновлены2 сен 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

Multilingual Privacy Filter — модель Tabularis AI для обнаружения персональных данных в тексте на 26 официальных языках ЕС. Она дообучена на XLM-RoBERTa-large и решает задачу классификации токенов: размечает фрагменты текста по 74 меткам, соответствующим 42 типам данных, включая имена, контакты, финансовые и идентификационные сведения, медицинские данные и цифровые идентификаторы. Модель рассчитана на выявление и последующую анонимизацию чувствительной информации, проверки конфиденциальности и поддержки процессов, связанных с GDPR.

В карточке заявлены глобальная F1-оценка 97,02% и показатели выше 95% для всех языков. Метаданные указывают 658,7 млн параметров и контекст до 514 токенов; в README указан максимальный размер входа 256 токенов, поэтому для практического применения следует ориентироваться на ограничения конфигурации и используемого пайплайна. Модель принимает текст и возвращает метки токенов. Лицензия — Apache-2.0.

Сценарии применения

  • поиск персональных данных перед отправкой текста во внешние сервисы
  • разметка и последующая анонимизация PII в документах
  • проверка многоязычных наборов данных на чувствительную информацию
  • аудит корпоративных данных для поддержки процессов GDPR

Ограничения

Заявленные метрики приведены в карточке модели и могут отличаться на новых данных и в конкретных сценариях. README указывает максимальную длину 256 токенов, тогда как метаданные — контекст 514 токенов; длинные документы могут требовать разбиения на части.

Для каких профессий подходит7

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 Privacy Filter

Multilingual PII Detection Model for European Languages

A state-of-the-art multilingual model for detecting Personally Identifiable Information (PII) across 26 European languages (all EU official languages). It is designed for GDPR compliance, privacy-preserving AI applications, and secure handling of sensitive data in multilingual settings. This model enables enterprises, researchers, and data protection teams to identify and safeguard PII with high accuracy (≈98%) across diverse European contexts.

🎯 Model Performance

  • Global F1 Score: 97.02%
  • 26 Languages Supported
  • 42 PII Entity Types
  • Consistent 95%+ F1 across all languages

🌍 Supported Languages

🇧🇬 Bulgarian • 🇨🇿 Czech • 🇩🇰 Danish • 🇩🇪 German • 🇬🇷 Greek • 🇬🇧 English • 🇪🇸 Spanish • 🇪🇪 Estonian • 🇫🇮 Finnish • 🇫🇷 French • 🇮🇪 Irish • 🇭🇷 Croatian • 🇭🇺 Hungarian • 🇮🇹 Italian • 🇱🇹 Lithuanian • 🇱🇻 Latvian • 🇲🇹 Maltese • 🇳🇱 Dutch • 🇵🇱 Polish • 🇵🇹 Portuguese • 🇷🇴 Romanian • 🇷🇺 Russian • 🇸🇰 Slovak • 🇸🇮 Slovenian • 🇸🇪 Swedish • 🇺🇦 Ukrainian

🔍 Detected PII Types

  • Personal: First/Last/Middle Names, Age, Gender, Ethnicity
  • Contact: Email, Phone, Address, City, Country, Postal Code
  • Financial: Credit Card, IBAN, Account Numbers, Salary
  • Identity: National ID, Passport, Driver License, Tax ID
  • Health: Medical Conditions, Health Insurance ID
  • Digital: IP Address, MAC Address, URL, Username, Password
  • And more: 42 total entity types

🚀 Quick Start

from transformers import AutoTokenizer, AutoModelForTokenClassification
import torch

# Load model and tokenizer
model_name = "tabularisai/eu-pii-safeguard"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

# Example text (French)
text = "Bonjour, je suis Marie Dubois, email: marie@company.fr"

# Tokenize and predict
inputs = tokenizer(text, return_tensors="pt", truncation=True)
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.argmax(outputs.logits, dim=-1)

# Get predictions
tokens = tokenizer.convert_ids_to_tokens(inputs["input_ids"][0])
predicted_labels = [model.config.id2label[pred.item()] for pred in predictions[0]]

print("Detected PII:")
for token, label in zip(tokens, predicted_labels):
    if label != "O":
        print(f"  {label}: {token}")

📊 Performance by Language

LanguageF1 ScoreLanguageF1 Score
Irish (ga)97.98%Dutch (nl)97.24%
Bulgarian (bg)97.80%Slovak (sk)97.21%
Italian (it)97.68%Swedish (sv)97.09%
Portuguese (pt)97.61%Russian (ru)97.04%
Slovenian (sl)97.51%Croatian (hr)96.93%
Czech (cs)97.51%Polish (pl)96.63%
Hungarian (hu)97.50%French (fr)96.59%
Estonian (et)97.41%Romanian (ro)96.54%
Latvian (lv)97.40%Danish (da)96.36%
English (en)97.36%German (de)96.22%
Spanish (es)97.34%Ukrainian (uk)96.09%
Finnish (fi)97.30%Maltese (mt)95.78%
Lithuanian (lt)97.24%Greek (el)95.42%

💼 Use Cases

  • 🔒 Data Privacy: Automatically detect and anonymize PII before processing
  • ⚖️ GDPR Compliance: Ensure regulatory compliance across EU markets
  • 🛡️ Security: Prevent data breaches by identifying sensitive information
  • 📊 Data Governance: Audit and catalog personal data in multilingual datasets

🏗️ Model Architecture

  • Base Model: XLM-RoBERTa-large
  • Task: Token Classification
  • Labels: 74 (B-/I- format for 42 entity types)
  • Max Length: 256 tokens

🔄 Community Feedback

We're actively seeking feedback from the community! Please:

  • 🐛 Report issues or edge cases
  • 💡 Suggest improvements
  • 🧪 Share your use cases and results
  • 📊 Contribute evaluation on new datasets

🏢 About Tabularis AI

Developed by Tabularis AI - Building privacy-preserving AI solutions for enterprise data protection.


For questions, collaborations, or licensing inquiries: info@tabularis.ai

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
XLMRobertaForTokenClassification
Ревизия весов
c928cd5

0 моделей