Italian NER XXL V2

🚀 意大利語命名實體識別模型 Italian_NER_XXL_v2

Italian_NER_XXL_v2 是一款用於意大利語文本的命名實體識別模型。它在性能上較前作有顯著提升，能夠識別多達 52 種不同的實體類別，廣泛應用於隱私合規、文檔匿名化、法律文檔分析等多個領域。

🚀 快速開始

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline
import torch

# 加載模型和分詞器
tokenizer = AutoTokenizer.from_pretrained("DeepMount00/Italian_NER_XXL_v2")
model = AutoModelForTokenClassification.from_pretrained("DeepMount00/Italian_NER_XXL_v2")

# 創建命名實體識別管道
nlp = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")

# 示例文本
example = """Il commendatore Gianluigi Alberico De Laurentis-Ponti, con residenza legale in Corso Imperatrice 67, 
Torino, avente codice fiscale DLNGGL60B01L219P, è amministratore delegato della "De Laurentis Advanced Engineering 
Group S.p.A.", che si trova in Piazza Affari 32, Milano (MI); con una partita IVA di 09876543210, la società è stata 
recentemente incaricata di sviluppare una nuova linea di componenti aerospaziali per il progetto internazionale 
di esplorazione di Marte."""

# 運行命名實體識別
ner_results = nlp(example)

# 處理結果
for entity in ner_results:
    print(f"{entity['entity_group']}: {entity['word']} (confidence: {entity['score']:.4f})")

✨ 主要特性

• 精度提升：準確率從 79% 提升至 87.5%。
• 上下文理解增強：在複雜句子中對實體的識別能力得到改善。
• 誤報率降低：對敏感信息的識別更加精確。
• 訓練數據擴展：在更多樣化的意大利語文本語料庫上進行訓練。

📚 詳細文檔

市場領先地位

Italian_NER_XXL_v2 是意大利唯一能夠識別多達 52 種不同實體類別的模型，在意大利自然語言處理領域保持著獨特的地位。這種無與倫比的實體識別廣度，使其成為隱私、法律和金融應用的首選模型。

識別類別

該模型能夠識別多個領域的廣泛實體：

個人信息

• NOME：人名
• COGNOME：姓氏
• DATA_NASCITA：出生日期
• DATA_MORTE：死亡日期
• ETA：年齡
• CODICE_FISCALE：意大利稅號
• PROFESSIONE：職業
• STATO_CIVILE：婚姻狀況

聯繫信息

• INDIRIZZO：地址
• NUMERO_TELEFONO：電話號碼
• EMAIL：電子郵件地址
• CODICE_POSTALE：郵政編碼

財務信息

• VALUTA：貨幣
• IMPORTO：金額
• NUMERO_CARTA：信用卡/借記卡號碼
• CVV：卡安全碼
• NUMERO_CONTO：銀行賬戶號碼
• IBAN：國際銀行賬戶號碼
• BIC：銀行識別碼
• P_IVA：增值稅號
• TASSO_MUTUO：抵押貸款利率
• NUM_ASSEGNO_BANCARIO：銀行支票號碼
• BANCA：銀行名稱

法律實體

• RAGIONE_SOCIALE：公司法定名稱
• TRIBUNALE：法院標識
• LEGGE：法律參考
• N_SENTENZA：判決書編號
• N_LICENZA：許可證編號
• AVV_NOTAIO：律師或公證人參考
• REGIME_PATRIMONIALE：財產製度

醫療信息

• CARTELLA_CLINICA：病歷
• MALATTIA：疾病或醫療狀況
• MEDICINA：藥物或醫療治療
• STORIA_CLINICA：臨床病史
• STRENGTH：藥物強度
• FREQUENZA：治療頻率
• DURATION：治療持續時間
• DOSAGGIO：藥物劑量
• FORM：藥物劑型（如片劑）

技術信息

• IP：IP 地址
• IPV6_1：IPv6 地址
• MAC：MAC 地址
• USER_AGENT：瀏覽器用戶代理
• IMEI：移動設備標識符

地理和時間數據

• STATO：國家
• LUOGO：地理位置
• ORARIO：具體時間
• DATA：通用日期

文檔和車輛信息

• NUMERO_DOCUMENTO：文件編號
• TARGA_VEICOLO：車輛牌照
• FOGLIO：文件頁參考
• PARTICELLA：土地登記粒子
• MAPPALE：土地登記地圖參考
• SUBALTERNO：土地登記從屬參考

網絡和安全

• URL：網址
• PASSWORD：密碼
• PIN：個人識別碼
• BRAND：商業品牌或商標

使用場景

• 隱私合規：進行 GDPR 數據映射和個人身份信息檢測。
• 文檔匿名化：自動編輯敏感信息。
• 法律文檔分析：從合同和法律文本中提取關鍵實體。
• 金融監控：檢測金融實體以確保合規和預防欺詐。
• 醫療記錄處理：從臨床筆記和報告中進行結構化提取。

未來發展

• 每季度更新以進一步提高精度。
• 根據用戶反饋擴展新的實體類型。
• 開發特定領域的變體以用於專業應用。
• 集成上下文實體鏈接功能。

📄 許可證

本項目採用 Apache-2.0 許可證。

🔗 貢獻與聯繫

如果您有興趣為該模型做出貢獻、提出建議或需要定製的命名實體識別解決方案，請聯繫：

Michele Montebovi
郵箱：montebovi.michele@gmail.com

我們歡迎意大利自然語言處理社區的合作，以進一步增強這個工具並擴展其在各行業的應用。

📖 引用

如果您在研究或應用中使用了此模型，請引用：

@misc{montebovi2025italiannerxxl,
  author = {Montebovi, Michele},
  title = {Italian\_NER\_XXL\_v2: A Comprehensive Named Entity Recognition Model for Italian},
  year = {2025},
  publisher = {HuggingFace},
  howpublished = {\url{https://huggingface.co/DeepMount00/Italian_NER_XXL_v2}}
}