rizzo-pii-0.3B

rizzo-pii-0.3B

一个小型、适合 CPU 的模型，能在意大利语法律文本中找出 22 类个人数据，包括 codice fiscale 和 partita IVA，用于可还原的匿名化。适合律师事务所和开发隐私过滤器的开发者。

由 rizzoaiacademy 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：rizzo-pii-0.3B 是一个小型词元分类模型，用来在意大利语法律文本中找出个人数据，约有 3 亿参数，采用类似 ModernBERT 的骨干。它标注 22 个类别，包括 codice fiscale 和 partita IVA 这类意大利标识符。它的任务是让匿名化可以还原。

适合谁：适合想使用外部语言模型、又不想发送客户细节的律师事务所和合规团队。也适合开发必须在普通电脑上运行的意大利语文档隐私过滤器的开发者。

Industry | Who uses it | How they use it | Example
法律 | 律师事务所 | 在调用 AI 之前把姓名和证件号换成占位符 | 遮盖客户的 codice fiscale
合规 | 数据保护团队 | 在文档中找出个人数据 | 扫描合同里的 IBAN 和电子邮箱
软件 | 隐私工具开发者 | 给应用加上本地个人信息检测 | 在桌面工具里用 CPU 运行模型
研究 | 自然语言处理研究人员 | 研究意大利语个人信息识别 | 比较法律文本上的实体标签

如果你主要处理其他语言，可以跳过它，因为这个模型以意大利语为先，模型卡自己的训练组合覆盖八种语言。

用在哪里：

• 使用 transformers 库的 Python 脚本
• 没有 GPU 的电脑，因为模型卡说它在 CPU 上约需要 0.5 GB 内存
• Windows、macOS 或 Linux，用 Hugging Face 的 hub 工具下载后即可
• 作者另外提供的 rizzo-pii 桌面应用，模型卡提到可用于生产环境

Use case | Who | What they get back
检测个人数据 | 开发者 | 带分组名称和置信度分数的实体
可还原的匿名化 | 律师事务所 | FULLNAME_1 这样的占位符，以及用来还原的本地字典
意大利法律标识符 | 合规团队 | CF、PIVA、CATASTO、DOCID 和 PROVINCE 的标签

如何设置：

• 安装好 Python 和 pip
• transformers 库
• CPU 使用约需 0.5 GB 内存，4-bit 权重估计约 154 MB

1. 安装 Hugging Face hub 包。
2. 下载模型文件。
3. 按下面的代码，用 transformers 的 pipeline 加载模型。

pip install -U huggingface_hub
hf download rizzoaiacademy/rizzo-pii-0.3B

如何使用：创建一个使用简单聚合的词元分类 pipeline，它会把子词合并成完整的实体，然后对你的文本运行它。对每个实体，你会得到它的分组、匹配的词和分数。

from transformers import pipeline

nlp = pipeline(
    "token-classification",
    model="rizzoaiacademy/rizzo-pii-0.3B",
    aggregation_strategy="simple",   # merges B-/I- subwords into whole entities
)

对于预期的可还原用法，模型卡定义了一个小函数，把每个实体换成带编号的占位符，并保留一个字典。你只把占位符文本发给外部模型，再用字典在它的回答里还原原文。

def anonymize(text, ents):
    """Replace each entity with a numbered placeholder; keep a reversible dictionary."""
    mapping, out, counters = {}, text, {}
    for e in sorted(ents, key=lambda x: x["start"], reverse=True):
        g = e["entity_group"]
        counters[g] = counters.get(g, 0) + 1
        tag = f"[{g}_{counters[g]}]"
        mapping[tag] = text[e["start"]:e["end"]]
        out = out[:e["start"]] + tag + out[e["end"]:]
    return out, mapping

anon, table = anonymize(text, nlp(text))

Tool | What it does
pipeline with token-classification | 在文本中找出个人数据实体
anonymize | 把实体换成带编号的占位符，并返回还原用的字典

示例：你传入一句包含姓名、codice fiscale、IBAN 和电子邮箱的意大利语句子。模型会给每一项打上分组和接近 1.00 的分数，辅助函数再把它们变成 FULLNAME_1 和 CF_1 这样的占位符。

新手与专家：如果你刚接触，先对一句简短的意大利语运行 pipeline，读一读打印出的实体。然后试试 anonymize 函数，看看占位符，以及留在你机器上的字典。

专家会注意到模型卡的生产建议。对结构化字段，比如邮箱、电话、IBAN、CF、PIVA、卡号、金额和车牌，请把模型与正则表达式和校验和搭配使用，两者不一致时以校验和为准。上下文窗口是 8192 词元。

你的文档交给本地模型
实体变成带编号的占位符
只有占位符发给外部大模型
本地字典还原回复

注意事项：

• Accuracy: 模型卡报告的 micro-F1 为 0.989，你仍应在自己的文档上检查结果
• Safety net: 对结构化字段，请搭配正则和校验和检查
• Context: 8192 词元
• License: MIT
• Cost to run: 未提及，不需要 API 密钥或账号，下载后模型可离线工作
• Data it reaches: 会从 Hugging Face 下载文件，然后在你自己的机器上读取你提供的文字
• Not for: 不应作为敏感数据的唯一保障，也不适合训练组合之外的语言，模型卡称它以意大利语为先

Hugging Face 上的数据（2026年11月13日）

• 任务：token classification
• 框架：transformers
• 参数量：308M
• Weights: about 1.2 GB in F32; about 154 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：6,484
• 点赞：23
• 许可证：mit
• 语言：it
• 基于：jhu-clsp/mmBERT-base
• Quantized versions: 7
• Fine-tunes: 1
• 标签：transformers, safetensors, modernbert, token-classification, italian, legal, gdpr, anonymization, privacy, mmbert, model-index

链接

• 模型：https://huggingface.co/rizzoaiacademy/rizzo-pii-0.3B
• 文件：https://huggingface.co/rizzoaiacademy/rizzo-pii-0.3B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download rizzoaiacademy/rizzo-pii-0.3B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。