deberta-v3-base_finetuned_ai4privacy_v2

deberta-v3-base_finetuned_ai4privacy_v2

基于DeBERTa模型的个人信息脱敏解决方案

该模型在AI助手和大型语言模型领域,通过去除个人身份信息(PII)来提升文本隐私,覆盖商业、教育等多个领域,F1得分高达0.9757。访问GitHub获取详细实现和研究信息。

Huggingface数据去识别AI助手开源项目模型Github隐私保护deberta-v3-base敏感信息识别

项目介绍:deberta-v3-base_finetuned_ai4privacy_v2

项目背景

deberta-v3-base_finetuned_ai4privacy_v2 是微软开发的 DeBERTa v3 基础模型 的一种微调版本。这个特殊的模型是在世界上最大的开源隐私数据集之一——ai4privacy/pii-masking-200k 上进行微调的。

项目目标

本项目的主要目标是去除文本中可能揭示个人身份信息(PII)的内容。这样的功能在人工智能助手和大型语言模型(LLM)应用中尤为重要。模型可以识别54种敏感数据类型,并识别其中可能的229个讨论主题和案例,这些内容涵盖了商业、教育、心理学和法律等多个领域。此外,模型能够处理不同风格的互动方式,例如:日常会话、正式文件和电子邮件等。

使用说明

可以在 GitHub 上找到此模型的实现细节和研究信息。

训练数据与评估

模型使用了一组专门设计的超参数进行训练,具有很高的学习率(6e-04)和31个epoch。训练过程使用的优化器为Adam,结合特定的学习率调度器类型(cosine_with_restarts),以确保模型有效收敛。

模型性能

在评估数据集上的表现如下:

  • 损失:0.0211
  • 整体精确率:97.22%
  • 整体召回率:97.92%
  • 整体F1分数:97.57%
  • 整体准确率:99.15%

此外,模型在某些特定类别的F1得分非常高,如“账户名称”、“城市名”、“公司名”、“邮件地址”等,均达到了1.0的满分,而对于一些相对模糊的数据类型如“IP地址”,其F1分数相对较低。

训练结果

在训练不同epoch时,模型的性能逐渐提升,最终在第七个epoch时达到了最佳的结果。这个过程中,不同类别的数据类型表现出了不同程度的F1分数,具体的训练细节可参考上面的评估数据。

关于框架

该项目使用了以下框架版本:

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

总结

deberta-v3-base_finetuned_ai4privacy_v2 项目为希望在AI系统中去除隐私数据的研发人员提供了一个强大、精确且经过微调的模型,既满足了特定的隐私保护需求,又为未来的应用创新提供了广阔空间。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多