许可证：apache-2.0
语言：

• 英语
• 法语
• 德语
• 西班牙语
• 葡萄牙语
• 意大利语
• 斯洛文尼亚语
• 希腊语
• 荷兰语
  库名称：gliner
  任务标签：标记分类
  数据集：
• E3-JSI/synthetic-multi-pii-ner-v1
  基础模型：
• urchade/gliner_multi_pii-v1

GLiNER 多领域个人身份信息识别模型

GLiNER 是一种命名实体识别（NER）模型，能够通过双向 Transformer 编码器（类似 BERT）识别任何类型的实体。它为传统 NER 模型（仅限于预定义实体）和大语言模型（LLMs）提供了一种实用替代方案，后者虽然灵活，但在资源受限的场景下成本高昂且体积庞大。

此模型通过在合成数据集 E3-JSI/synthetic-multi-pii-ner-v1 上微调 urchade/gliner_multi_pii-v1 训练而成。

该模型能够识别多种类型的 个人身份信息（PII），包括但不限于以下实体类型：人员、组织、电话号码、地址、护照号码、电子邮件、信用卡号、社会安全号码、健康保险 ID 号、出生日期、手机号码、银行账号、药物、CPF（巴西税号）、驾驶证号码、税务识别号、医疗状况、身份证号码、国民身份证号、IP 地址、电子邮件地址、IBAN（国际银行账号）、信用卡有效期、用户名、健康保险号码、注册号、学生证号码、保险号码、航班号、固定电话号码、血型、CVV（信用卡安全码）、预订号、数字签名、社交媒体账号、车牌号、CNPJ（巴西公司税号）、邮政编码、护照号码、序列号、车辆登记号、信用卡品牌、传真号码、签证号码、保险公司、身份证件号码、交易号、国民健康保险号、CVC（信用卡验证码）、出生证明号码、火车票号、护照有效期 和 社会安全号码。

使用方法

使用此模型需安装 GLiNER 库。安装后，用户可以加载模型并用于识别文本中的实体。

pip install gliner

以下是使用示例。

从英文医疗文本中提取实体

from gliner import GLiNER

# 使用此模型初始化 GLiNER
model = GLiNER.from_pretrained("E3-JSI/gliner-multi-pii-domains-v1")

# 准备待提取实体的文本
text = """
病历记录

患者姓名：John Doe  
出生日期：1985年1月15日  
检查日期：2024年5月20日  
社会安全号码：123-45-6789  

检查过程：  
John Doe 接受了常规体检。检查包括测量生命体征（血压、心率、体温）、全面血液检测和心血管压力测试。患者还报告偶发头痛和头晕，因此进行了神经学评估和 MRI 扫描以排除潜在问题。  

处方药物：  

布洛芬 200 毫克：每 6-8 小时服用一片，用于缓解头痛和疼痛。  
赖诺普利 10 毫克：每日一片，用于控制高血压。  

下次检查日期：  
2024年11月15日  
"""

# 准备待提取的标签/实体  
# 此模型在实体类型为小写时效果最佳  
labels = ["姓名", "社会安全号码", "出生日期", "日期"]  

# 执行实体提取  
entities = model.predict_entities(text, labels, threshold=0.5)  

# 显示预测的实体及其标签  
for entity in entities:  
    print(entity["text"], "=>", entity["label"])  

预期输出

John Doe => 姓名  
1985年1月15日 => 出生日期  
2024年5月20日 => 日期  
123-45-6789 => 社会安全号码  
John Doe => 姓名  
2024年11月15日 => 日期