/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
tanaos-NER-v1
Библиотека
transformers
Опубликована
27 ноя 2025

tanaos-text-anonymizer-v1

Разметка токеновТекст → label7 профессий

Модель RoBERTa выделяет персональные данные в английском тексте для последующей анонимизации.

59скачиваний за 30 дней127лайковвеса обновлены27 мар 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

Tanaos разработала эту модель на базе tanaos/tanaos-NER-v1 и дообучила её с помощью библиотеки Artifex на синтетических данных для распознавания персональных данных в тексте. Это модель RoBERTa для токеновой классификации с 151,8 млн параметров и контекстом до 514 токенов. Она выделяет пять категорий чувствительных сущностей, включая имена людей, местоположения и даты, после чего обнаруженные фрагменты можно удалить или заменить для анонимизации текста.

Модель предназначена для подготовки текстов к передаче, публикации или дальнейшей обработке, когда требуется снизить риск раскрытия персональных данных. В карточке заявлена поддержка английского языка; обучение проводилось на синтетическом наборе примерно из 10 тысяч фрагментов. Указана лицензия MIT. Авторы отмечают, что для специализированных текстов может потребоваться дополнительное дообучение; распознавание сущностей само по себе не гарантирует полного удаления всех персональных данных или соответствия требованиям GDPR.

Сценарии применения

  • Поиск имён и других персональных данных в тексте
  • Подготовка текстов к публикации с удалением чувствительных фрагментов
  • Анонимизация данных перед передачей на обработку
  • Предварительная очистка текстовых наборов для защиты конфиденциальности

Ограничения

Модель обучена на синтетических данных и ориентирована на английский язык; для специализированных текстов может потребоваться дообучение. Выделение сущностей не гарантирует обнаружение всех персональных данных или соответствие требованиям GDPR.

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

tanaos-text-anonymizer-v1: A small but performant Text Anonymization model

This model was created by Tanaos with the Artifex Python library.

This is a Named Entity Recognition model based on tanaos/tanaos-NER-v1 and fine-tuned on a synthetic dataset to recognize Personal Identifiable Information (PII) entities in text. Once identified, the entities are redacted to ensure privacy and confidentiality, before sharing or processing text data.

While the base NER model was trained to recognize 14 named entity categories, this Text Anonymization was fine-tuned specifically to focus on the following 5 key PII entity categories that are commonly found in text data and are critical for anonymization:

EntityDescription
PERSONIndividual people, fictional characters
LOCATIONGeographical areas
DATEAbsolute or relative dates, including years, months and/or days
ADDRESSFull addresses
PHONE_NUMBERTelephone numbers

How to Use

Use this model through the Artifex library:

install Artifex with

pip install artifex

use the model with

from artifex import Artifex

ta = Artifex().text_anonymization()

anonymized_text = ta("John Doe lives at 123 Main St, New York. His phone number is (555) 123-4567.")
print(anonymized_text)

# >>> ["[MASKED] lives at [MASKED]. His phone number is [MASKED]."]

Model Description

  • Base model: FacebookAI/roberta-base
  • Task: Token classification (Named Entity Recognition for Text Anonymization)
  • Languages: English
  • Fine-tuning data: A synthetic, custom dataset of around 10,000 passages, each containing multiple named entities across 5 Personal Identifiable Information categories.

Training Details

This model was trained using the Artifex Python library

pip install artifex

by providing the following instructions and generating 10,000 synthetic training samples:

from artifex import Artifex

ta = Artifex().text_anonymization()

ta.train(
    domain="general",
    num_samples=10000
)

Intended Uses

This model is intended to:

  • Anonymize text data by redacting personal identifiable information (PII) such as names, addresses, phone numbers, dates, and locations.
  • Ensure privacy and confidentiality in text data for compliance with data protection regulations.
  • Be used before sharing or processing text data to protect sensitive information.
  • Stay GDPR compliant when handling personal data.

Not intended for:

  • Scenarios involving highly specialized or domain-specific text without further fine-tuning.

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
4d31fe7

0 моделей