license: apache-2.0
language:

• it
  pipeline_tag: token-classification
  library_name: gliner

模型卡片：Gliner - 通用PII识别模型

模型描述

该模型专为识别和分类文本文档中的个人可识别信息（PII）而设计。模型经过训练具备通用性，能够识别广泛的PII标签，尤其擅长在行政、法律和金融领域识别最常见且相关的标签。

应用场景

特别适用于法律文件、合同、财务记录和行政文档的分析，在这些场景中准确识别和分类个人信息对于遵守隐私法规（如GDPR）至关重要。

支持的标签

模型共训练了11706种不同标签。以下是模型可识别的部分标签示例：

• 客户姓名：识别客户的全名。
• 出生地：识别个人的出生城市。
• 居住地址：识别个人的居住地址。
• 税号：识别个人或企业的税号。
• 证件号码：识别护照、身份证等证件号码。
• 交易金额：识别与金融交易相关的金额。
• 地籍编号：识别房产相关的地籍编号。
• 公司名称：识别企业的官方名称。
• IBAN：识别银行账户的IBAN格式号码。
• IP地址：识别与用户或设备关联的IP地址。

性能表现

模型在包含约20万条手动标注PII样本的大规模数据集上进行了训练。

局限性

• 数据多样性：对于非结构化或与训练集格式差异较大的文档，Gliner可能难以准确识别PII。
• 罕见标签：对于训练集中不常见或代表性不足的标签，模型表现可能较差。
• 偏差：与所有机器学习模型一样，Gliner可能受到训练数据集偏差的影响。

安装

使用此模型前需安装GLiNER Python库：

!pip install gliner

使用方法

安装GLiNER库后，可导入GLiNER类，并通过GLiNER.from_pretrained加载此模型，使用predict_entities预测实体。

from gliner import GLiNER  

model = GLiNER.from_pretrained("DeepMount00/GLiNER_PII_ITA")  

text = """..."""  

labels = ["标签1", "标签2"]  

entities = model.predict_entities(text, labels)  

for entity in entities:  
    print(entity["text"], "=>", entity["label"])