Italian NER XXL V2

🚀 意大利语命名实体识别模型 Italian_NER_XXL_v2

Italian_NER_XXL_v2 是一款用于意大利语文本的命名实体识别模型。它在性能上较前作有显著提升，能够识别多达 52 种不同的实体类别，广泛应用于隐私合规、文档匿名化、法律文档分析等多个领域。

🚀 快速开始

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

# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained("DeepMount00/Italian_NER_XXL_v2")
model = AutoModelForTokenClassification.from_pretrained("DeepMount00/Italian_NER_XXL_v2")

# 创建命名实体识别管道
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."""

# 运行命名实体识别
ner_results = nlp(example)

# 处理结果
for entity in ner_results:
    print(f"{entity['entity_group']}: {entity['word']} (confidence: {entity['score']:.4f})")

✨ 主要特性

• 精度提升：准确率从 79% 提升至 87.5%。
• 上下文理解增强：在复杂句子中对实体的识别能力得到改善。
• 误报率降低：对敏感信息的识别更加精确。
• 训练数据扩展：在更多样化的意大利语文本语料库上进行训练。

📚 详细文档

市场领先地位

Italian_NER_XXL_v2 是意大利唯一能够识别多达 52 种不同实体类别的模型，在意大利自然语言处理领域保持着独特的地位。这种无与伦比的实体识别广度，使其成为隐私、法律和金融应用的首选模型。

识别类别

该模型能够识别多个领域的广泛实体：

个人信息

• NOME：人名
• COGNOME：姓氏
• DATA_NASCITA：出生日期
• DATA_MORTE：死亡日期
• ETA：年龄
• CODICE_FISCALE：意大利税号
• PROFESSIONE：职业
• STATO_CIVILE：婚姻状况

联系信息

• INDIRIZZO：地址
• NUMERO_TELEFONO：电话号码
• EMAIL：电子邮件地址
• CODICE_POSTALE：邮政编码

财务信息

• VALUTA：货币
• IMPORTO：金额
• NUMERO_CARTA：信用卡/借记卡号码
• CVV：卡安全码
• NUMERO_CONTO：银行账户号码
• IBAN：国际银行账户号码
• BIC：银行识别码
• P_IVA：增值税号
• TASSO_MUTUO：抵押贷款利率
• NUM_ASSEGNO_BANCARIO：银行支票号码
• BANCA：银行名称

法律实体

• RAGIONE_SOCIALE：公司法定名称
• TRIBUNALE：法院标识
• LEGGE：法律参考
• N_SENTENZA：判决书编号
• N_LICENZA：许可证编号
• AVV_NOTAIO：律师或公证人参考
• REGIME_PATRIMONIALE：财产制度

医疗信息

• CARTELLA_CLINICA：病历
• MALATTIA：疾病或医疗状况
• MEDICINA：药物或医疗治疗
• STORIA_CLINICA：临床病史
• STRENGTH：药物强度
• FREQUENZA：治疗频率
• DURATION：治疗持续时间
• DOSAGGIO：药物剂量
• FORM：药物剂型（如片剂）

技术信息

• IP：IP 地址
• IPV6_1：IPv6 地址
• MAC：MAC 地址
• USER_AGENT：浏览器用户代理
• IMEI：移动设备标识符

地理和时间数据

• STATO：国家
• LUOGO：地理位置
• ORARIO：具体时间
• DATA：通用日期

文档和车辆信息

• NUMERO_DOCUMENTO：文件编号
• TARGA_VEICOLO：车辆牌照
• FOGLIO：文件页参考
• PARTICELLA：土地登记粒子
• MAPPALE：土地登记地图参考
• SUBALTERNO：土地登记从属参考

网络和安全

• URL：网址
• PASSWORD：密码
• PIN：个人识别码
• BRAND：商业品牌或商标

使用场景

• 隐私合规：进行 GDPR 数据映射和个人身份信息检测。
• 文档匿名化：自动编辑敏感信息。
• 法律文档分析：从合同和法律文本中提取关键实体。
• 金融监控：检测金融实体以确保合规和预防欺诈。
• 医疗记录处理：从临床笔记和报告中进行结构化提取。

未来发展

• 每季度更新以进一步提高精度。
• 根据用户反馈扩展新的实体类型。
• 开发特定领域的变体以用于专业应用。
• 集成上下文实体链接功能。

📄 许可证

本项目采用 Apache-2.0 许可证。

🔗 贡献与联系

如果您有兴趣为该模型做出贡献、提出建议或需要定制的命名实体识别解决方案，请联系：

Michele Montebovi
邮箱：montebovi.michele@gmail.com

我们欢迎意大利自然语言处理社区的合作，以进一步增强这个工具并扩展其在各行业的应用。

📖 引用

如果您在研究或应用中使用了此模型，请引用：

@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}}
}