#标记化分类

StarPII是一个基于NER模型的代码数据集个人信息检测工具。通过微调bigcode-encoder，该模型能准确识别代码中的姓名、邮箱、密钥等六类敏感信息。模型在包含20961个密钥和31种编程语言的数据集上训练，并利用伪标签数据预训练提升性能。StarPII为代码数据隐私保护、PII清理和隐私合规提供了可靠的技术支持。