Distilbert Finetuned Ai4privacy V2

🚀 distilbert_finetuned_ai4privacy_v2

本模型是基于distilbert-base-uncased在ai4privacy/pii-masking-200k数据集的英文子集上进行微调的版本。它能够从文本中移除个人身份信息（PII），尤其适用于AI助手和大语言模型场景。

🌟 请作者喝咖啡是直接支持本项目的方式。

🚀 快速开始

GitHub实现：Ai4Privacy

✨ 主要特性

• 微调于大规模隐私数据集：该模型在全球最大的开源隐私数据集上进行了微调。
• 多场景PII移除：旨在从文本中移除个人身份信息（PII），尤其适用于AI助手和大语言模型。
• 丰富的PII类别：示例文本包含54种PII类别（敏感数据类型），涵盖商业、教育、心理学和法律等领域的229个讨论主题/用例，以及5种交互风格（如随意对话、正式文档、电子邮件等）。

📚 详细文档

模型描述

本模型在全球最大的开源隐私数据集上进行了微调。训练该模型的目的是从文本中移除个人身份信息（PII），特别是在AI助手和大语言模型的应用场景中。示例文本包含54种PII类别（敏感数据类型），针对商业、教育、心理学和法律领域的229个讨论主题/用例，以及5种交互风格（如随意对话、正式文档、电子邮件等）。具体研究可查看GitHub实现。

预期用途与限制

更多信息待补充。

训练和评估数据

更多信息待补充。

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：5e-05
• 训练批次大小（train_batch_size）：8
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，β值为(0.9, 0.999)，ε值为1e-08
• 学习率调度器类型（lr_scheduler_type）：cosine_with_restarts
• 学习率调度器预热比例（lr_scheduler_warmup_ratio）：0.2
• 训练轮数（num_epochs）：5

各类别指标

该模型在评估集上取得了以下结果：

• 损失（Loss）：0.0451
• 整体精确率（Overall Precision）：0.9438
• 整体召回率（Overall Recall）：0.9663
• 整体F1值（Overall F1）：0.9549
• 整体准确率（Overall Accuracy）：0.9838

训练结果

| 训练损失 | 轮数 | 步数 | 验证损失 | 整体精确率 | 整体召回率 | 整体F1值 | 整体准确率 | Accountname F1 | Accountnumber F1 | Age F1 | Amount F1 | Bic F1 | Bitcoinaddress F1 | Buildingnumber F1 | City F1 | Companyname F1 | County F1 | Creditcardcvv F1 | Creditcardissuer F1 | Creditcardnumber F1 | Currency F1 | Currencycode F1 | Currencyname F1 | Currencysymbol F1 | Date F1 | Dob F1 | Email F1 | Ethereumaddress F1 | Eyecolor F1 | Firstname F1 | Gender F1 | Height F1 | Iban F1 | Ip F1 | Ipv4 F1 | Ipv6 F1 | Jobarea F1 | Jobtitle F1 | Jobtype F1 | Lastname F1 | Litecoinaddress F1 | Mac F1 | Maskednumber F1 | Middlename F1 | Nearbygpscoordinate F1 | Ordinaldirection F1 | Password F1 | Phoneimei F1 | Phonenumber F1 | Pin F1 | Prefix F1 | Secondaryaddress F1 | Sex F1 | Ssn F1 | State F1 | Street F1 | Time F1 | Url F1 | Useragent F1 | Username F1 | Vehiclevin F1 | Vehiclevrm F1 | Zipcode F1 | | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | | 0.6445 | 1.0 | 1088 | 0.3322 | 0.6449 | 0.7003 | 0.6714 | 0.8900 | 0.7607 | 0.8733 | 0.6576 | 0.1766 | 0.25 | 0.6783 | 0.3621 | 0.6005 | 0.6909 | 0.5586 | 0.0 | 0.2449 | 0.7095 | 0.2889 | 0.0 | 0.0 | 0.3902 | 0.7720 | 0.0 | 0.9862 | 0.8011 | 0.5088 | 0.7740 | 0.7118 | 0.5434 | 0.8088 | 0.0 | 0.8303 | 0.7562 | 0.5318 | 0.7294 | 0.4681 | 0.6779 | 0.0 | 0.8909 | 0.0 | 0.0107 | 0.9985 | 0.4000 | 0.7307 | 0.9057 | 0.8618 | 0.0 | 0.9127 | 0.8235 | 0.9211 | 0.8026 | 0.4656 | 0.6390 | 0.9383 | 0.9775 | 0.8868 | 0.8201 | 0.4526 | 0.0550 | 0.5368 | | 0.222 | 2.0 | 2176 | 0.1259 | 0.8170 | 0.8747 | 0.8449 | 0.9478 | 0.9708 | 0.9813 | 0.7638 | 0.7427 | 0.7837 | 0.8908 | 0.8833 | 0.8747 | 0.9814 | 0.8749 | 0.7601 | 0.9777 | 0.8834 | 0.5372 | 0.4828 | 0.0056 | 0.7785 | 0.8149 | 0.3140 | 0.9956 | 0.9935 | 0.9101 | 0.9270 | 0.9450 | 0.9853 | 0.9253 | 0.0650 | 0.0084 | 0.7962 | 0.9013 | 0.9446 | 0.9203 | 0.8555 | 0.6885 | 1.0 | 0.7152 | 0.6442 | 1.0 | 0.9623 | 0.9349 | 0.9905 | 0.9782 | 0.7656 | 0.9324 | 0.9903 | 0.9736 | 0.9274 | 0.8520 | 0.9138 | 0.9678 | 0.9922 | 0.9893 | 0.9804 | 0.9646 | 0.8556 | 0.8385 | | 0.1331 | 3.0 | 3264 | 0.0773 | 0.9133 | 0.9371 | 0.9250 | 0.9654 | 0.9822 | 0.9815 | 0.9196 | 0.8852 | 0.9718 | 0.9785 | 0.9215 | 0.9757 | 0.9935 | 0.9651 | 0.8742 | 0.9921 | 0.9438 | 0.7568 | 0.7710 | 0.0 | 0.8998 | 0.7895 | 0.6578 | 0.9994 | 1.0 | 0.9554 | 0.9525 | 0.9823 | 0.9910 | 0.9866 | 0.0435 | 0.8293 | 0.7824 | 0.9671 | 0.9794 | 0.9571 | 0.9447 | 0.9141 | 1.0 | 0.8825 | 0.7988 | 1.0 | 0.9797 | 0.9921 | 0.9932 | 0.9943 | 0.8726 | 0.9401 | 0.9860 | 0.9792 | 0.9928 | 0.9740 | 0.9604 | 0.9730 | 0.9983 | 0.9964 | 0.9959 | 0.9890 | 0.9774 | 0.9247 | | 0.0847 | 4.0 | 4352 | 0.0503 | 0.9368 | 0.9614 | 0.9489 | 0.9789 | 0.9955 | 0.9949 | 0.9573 | 0.9480 | 0.9929 | 0.9846 | 0.9808 | 0.9927 | 0.9962 | 0.9811 | 0.9436 | 0.9953 | 0.9695 | 0.7826 | 0.8713 | 0.1653 | 0.9458 | 0.8782 | 0.7996 | 1.0 | 1.0 | 0.9809 | 0.9816 | 0.9941 | 0.9910 | 0.9906 | 0.3389 | 0.8364 | 0.7066 | 0.9862 | 1.0 | 0.9795 | 0.9637 | 0.9429 | 1.0 | 0.9438 | 0.9165 | 1.0 | 0.9864 | 1.0 | 0.9932 | 0.9962 | 0.9352 | 0.9483 | 0.9860 | 0.9866 | 0.9976 | 0.9884 | 0.9827 | 0.9881 | 1.0 | 0.9953 | 0.9975 | 0.9945 | 0.9915 | 0.9841 | | 0.0557 | 5.0 | 5440 | 0.0451 | 0.9438 | 0.9663 | 0.9549 | 0.9838 | 0.9946 | 0.9940 | 0.9624 | 0.9643 | 0.9929 | 0.9948 | 0.9845 | 0.9955 | 0.9962 | 0.9877 | 0.9643 | 0.9953 | 0.9793 | 0.7811 | 0.8850 | 0.2281 | 0.9562 | 0.9061 | 0.7914 | 1.0 | 1.0 | 0.9837 | 0.9846 | 0.9971 | 0.9910 | 0.9906 | 0.4349 | 0.8126 | 0.7679 | 0.9880 | 0.9991 | 0.9777 | 0.9684 | 0.9721 | 1.0 | 0.9635 | 0.9330 | 1.0 | 0.9910 | 1.0 | 0.9918 | 0.9962 | 0.9477 | 0.9546 | 0.9892 | 0.9876 | 0.9976 | 0.9893 | 0.9873 | 0.9889 | 1.0 | 0.9953 | 0.9975 | 1.0 | 1.0 | 0.9873 |

框架版本

• Transformers 4.35.0
• Pytorch 2.0.0
• Datasets 2.1.0
• Tokenizers 0.14.1

📄 许可证

本模型采用CC BY-NC 4.0许可证。