/ Модель

Характеристики

Контекст
514 токенов
Параметры
81,2 млн
Архитектура
roberta · dense
Базовая модель
roberta-small
Опубликована
16 мая 2024

klue-roberta-small-ner-identified

Разметка токеновТекст → label4 профессии

Дообученная корейская RoBERTa находит персональные данные в тексте для задач деидентификации.

66скачиваний за 30 дней3лайкавеса обновлены29 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

vitus9988 разработал модель распознавания именованных сущностей на основе klue/roberta-small. Она находит в корейском тексте персональные данные для последующей деидентификации: имена людей, адреса, номера карт и банковских счетов, водительских удостоверений, удостоверений личности и паспортов, телефоны, электронную почту и даты. Модель содержит 81,2 млн параметров, использует архитектуру RoBERTa и принимает текст с контекстом до 514 токенов.

В README приведены высокие показатели на оценочном наборе: F1 0,9959 и точность 0,9988. Эти результаты относятся к неизвестному набору данных и не гарантируют аналогичного качества на других текстах. Модель предназначена для разметки сущностей, а не для самостоятельного удаления или замены обнаруженных данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • Поиск имён людей в корейских документах
  • Обнаружение адресов в формах и письмах
  • Поиск номеров банковских карт и счетов
  • Выявление телефонов и адресов электронной почты
  • Обнаружение паспортных и иных идентификационных номеров
  • Разметка дат в корейском тексте перед деидентификацией

Ограничения

Показатели приведены для оценочного набора неизвестного состава, поэтому качество на других данных может отличаться. Модель размечает сущности, но сама не выполняет их удаление или замену; сведения о лицензии отсутствуют.

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

klue-roberta-small-ner-identified

download

This model is a fine-tuned version of vitus9988/klue-roberta-small-ner-identified on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0082
  • Precision: 0.9930
  • Recall: 0.9988
  • F1: 0.9959
  • Accuracy: 0.9988

Model description

개인정보 비식별을 위해 아래 항목에 대한 개체명 인식을 제공합니다.

  • 사람이름 [PS]
  • 주소 (구 주소 및 도로명 주소) [AD]
  • 카드번호 [CN]
  • 계좌번호 [BN]
  • 운전면허번호 [DN]
  • 주민등록번호 [RN]
  • 여권번호 [PN]
  • 전화번호 [PH]
  • 이메일 주소 [EM]
  • 날짜 [DT]

License

This model is a fine-tuned derivative of klue/roberta-small. Since the base model does not currently specify a license, no license is specified for this derivative model at this time.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
No log1.0610.01280.98710.99290.99000.9979
No log2.01220.00980.98950.99760.99350.9987
No log3.01830.00820.99300.99880.99590.9988

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.3.0+cu118
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Use

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("vitus9988/klue-roberta-small-ner-identified")
model = AutoModelForTokenClassification.from_pretrained("vitus9988/klue-roberta-small-ner-identified")

nlp = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")
example = """
저는 김철수입니다. 집은 서울특별시 강남대로이고 전화번호는 010-1234-5678, 주민등록번호는 123456-1234567입니다. 메일주소는 hugging@face.com입니다. 저는 10월 25일에 출국할 예정입니다.
"""

ner_results = nlp(example)
for i in ner_results:
    print(i)

#{'entity_group': 'PS', 'score': 0.9617835, 'word': '김철수', 'start': 3, 'end': 6}
#{'entity_group': 'AD', 'score': 0.9839702, 'word': '서울특별시 강남대로', 'start': 14, 'end': 24}
#{'entity_group': 'PH', 'score': 0.9906756, 'word': '010 - 1234 - 5678', 'start': 33, 'end': 46}
#{'entity_group': 'RN', 'score': 0.9904553, 'word': '123456 - 1234567', 'start': 56, 'end': 70}
#{'entity_group': 'EM', 'score': 0.99022245, 'word': 'hugging @ face. com', 'start': 81, 'end': 97}
#{'entity_group': 'DT', 'score': 0.985629, 'word': '10월 25일', 'start': 105, 'end': 112}

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
RobertaForTokenClassification
Ревизия весов
b0e14be

0 моделей