all-mpnet-base-v2
sentence-transformers · 工具包
把句子和段落变成 768 个数字组成的向量,用来按含义搜索、聚类和比较文本,适合处理英文的开发者和数据团队。
在文本中找出姓名、邮箱、电话和银行卡号等个人数据,支持七种语言和 42 种标签类型。适合构建脱敏和数据清洗流程的开发者。
GLiNER2-PII 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install gliner2
GLiNER2-PII 拿来 fastino 的 GLiNER2 模型,针对个人数据做进一步调整。它检测文本中的个人可识别信息,方便你把它们遮盖掉。它认识 7 种语言中的 42 种实体类型,模型用一个包含 4,910 条标注文本的合成语料训练。
每次运行时由你选择要找哪些标签。模型会以你给的标签为条件,所以 42 个标签里的任何子集都可以。
必须在文本里找出或隐藏个人数据的开发者和数据团队最适合它。它从 Python 运行。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 合规 | 数据治理团队 | 为 GDPR 或 CCPA 的政策工作找出个人数据 | 标出文档里的姓名、邮箱和证件号 |
| 机器学习 | 数据工程师 | 在文本变成训练数据之前先清洗 | 遮盖个人数据的精确范围 |
| 法律和医疗 | 脱敏团队 | 隐藏文档里的敏感片段 | 遮盖一封信里的电话号码和姓名 |
如果你需要合规保证,就不要只靠它,因为它自己的基准平均 F1 是 0.477。
你在自己的电脑上用 Python 运行它,支持 Windows、macOS 或 Linux。
| Use case | Who | What they get back |
|---|---|---|
| 个人信息脱敏 | 脱敏团队 | 要遮盖的精确字符范围 |
| 策略分流 | 治理团队 | 能对应你自己规则的细粒度类型 |
| 训练数据清洁 | 数据工程师 | 训练前已遮盖个人数据的文本 |
| 多语言流程 | 全球团队 | 一个模型覆盖七种语言 |
你需要 Python 和 gliner2 包。按名称加载时,模型会自动下载。
pip install gliner2
pip install -U huggingface_hub hf download fastino/gliner2-privacy-filter-PII-multi
加载模型,给它一段文本和你想要的标签,然后调用 extract_entities。下面的选项会要求返回每个匹配的置信度和文本范围。
from gliner2 import GLiNER2
model = GLiNER2.from_pretrained("fastino/gliner2-privacy-filter-PII-multi")
text = "Email john.smith@acme.com or call +1 415 555 0199."
labels = ["email", "phone_number", "person"]
result = model.extract_entities(
text,
labels,
threshold=0.5,
include_confidence=True,
include_spans=True,
)
print(result)| Group | Example labels |
|---|---|
| 姓名 | person, full_name, date_of_birth |
| 联系方式 | email, phone_number, postal_code |
| 政府证件 | passport_number, tax_id |
| 银行 | iban, card_number |
| 密钥和凭据 | password, api_key, access_token |
你传入一条短消息,里面有一个邮箱地址和一个电话号码,标签是 email、phone_number 和 person。它返回在这些标签下找到的匹配,每个都带有置信度和文本范围。
你可以把这个模型看成一支给文本里的隐私细节做标记的荧光笔。你说明要标哪几类细节,它就去标。第一个小尝试,是用你自己的句子跑上面的快速开始。
在底层,它是在合成数据上微调的 GLiNER2,运行时你传入的标签会引导它抽取什么。模型卡报告说,在 SPY 基准上,它在四个被比较的系统中取得最高的片段级 F1,并且在基于 GLiNER 的检测器中平均召回率为 0.718。
基准数字来自模型卡,只覆盖法律和医疗文本。
在文本中找出姓名、邮箱、电话和银行卡号等个人数据,支持七种语言和 42 种标签类型。适合构建脱敏和数据清洗流程的开发者。
由 fastino 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。
它是什么:GLiNER2-PII 拿来 fastino 的 GLiNER2 模型,针对个人数据做进一步调整。它检测文本中的个人可识别信息,方便你把它们遮盖掉。它认识 7 种语言中的 42 种实体类型,模型用一个包含 4,910 条标注文本的合成语料训练。
每次运行时由你选择要找哪些标签。模型会以你给的标签为条件,所以 42 个标签里的任何子集都可以。
适合谁:必须在文本里找出或隐藏个人数据的开发者和数据团队最适合它。它从 Python 运行。
Industry | Who uses it | How they use it | Example
合规 | 数据治理团队 | 为 GDPR 或 CCPA 的政策工作找出个人数据 | 标出文档里的姓名、邮箱和证件号
机器学习 | 数据工程师 | 在文本变成训练数据之前先清洗 | 遮盖个人数据的精确范围
法律和医疗 | 脱敏团队 | 隐藏文档里的敏感片段 | 遮盖一封信里的电话号码和姓名
如果你需要合规保证,就不要只靠它,因为它自己的基准平均 F1 是 0.477。
用在哪里:你在自己的电脑上用 Python 运行它,支持 Windows、macOS 或 Linux。
Use case | Who | What they get back
个人信息脱敏 | 脱敏团队 | 要遮盖的精确字符范围
策略分流 | 治理团队 | 能对应你自己规则的细粒度类型
训练数据清洁 | 数据工程师 | 训练前已遮盖个人数据的文本
多语言流程 | 全球团队 | 一个模型覆盖七种语言
如何设置:你需要 Python 和 gliner2 包。按名称加载时,模型会自动下载。
pip install gliner2
pip install -U huggingface_hub
hf download fastino/gliner2-privacy-filter-PII-multi
如何使用:加载模型,给它一段文本和你想要的标签,然后调用 extract_entities。下面的选项会要求返回每个匹配的置信度和文本范围。
from gliner2 import GLiNER2
model = GLiNER2.from_pretrained("fastino/gliner2-privacy-filter-PII-multi")
text = "Email john.smith@acme.com or call +1 415 555 0199."
labels = ["email", "phone_number", "person"]
result = model.extract_entities(
text,
labels,
threshold=0.5,
include_confidence=True,
include_spans=True,
)
print(result)
Title: 42 个标签中的一部分
Group | Example labels
姓名 | person, full_name, date_of_birth
联系方式 | email, phone_number, postal_code
政府证件 | passport_number, tax_id
银行 | iban, card_number
密钥和凭据 | password, api_key, access_token
示例:你传入一条短消息,里面有一个邮箱地址和一个电话号码,标签是 email、phone_number 和 person。它返回在这些标签下找到的匹配,每个都带有置信度和文本范围。
新手与专家:你可以把这个模型看成一支给文本里的隐私细节做标记的荧光笔。你说明要标哪几类细节,它就去标。第一个小尝试,是用你自己的句子跑上面的快速开始。
在底层,它是在合成数据上微调的 GLiNER2,运行时你传入的标签会引导它抽取什么。模型卡报告说,在 SPY 基准上,它在四个被比较的系统中取得最高的片段级 F1,并且在基于 GLiNER 的检测器中平均召回率为 0.718。
你的文本和 42 个标签的一个子集
模型以这些标签为条件
匹配带着范围和分数返回
你遮盖想隐藏的范围
注意事项:基准数字来自模型卡,只覆盖法律和医疗文本。
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download fastino/gliner2-privacy-filter-PII-multi
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。
README.md 6 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| GLiNER2-PII 本页 | 132,410 | 115 | 307M | apache-2.0 | |
| UltraBERT-150M-clairic-extraction共有 span-extraction · information-extraction · token-classification | 138 | 5 | 151M | apache-2.0 | |
| cbx-indic-pii-extractor-58M共有 redaction · privacy · token-classification | 96 | 4 | 57.6M | apache-2.0 | |
| cbx-indic-pii-extractor-17M共有 redaction · privacy · token-classification | 76 | 3 | 16.7M | apache-2.0 | |
| GLiNER2 base共有 extractor · gliner2 · safetensors | 353,994 | 106 | 208M | apache-2.0 | |
| GLiNER2.5 Base共有 information-extraction · gliner2 · safetensors | 132,027 | 43 | 194M | apache-2.0 |
sentence-transformers · 工具包
把句子和段落变成 768 个数字组成的向量,用来按含义搜索、聚类和比较文本,适合处理英文的开发者和数据团队。
intfloat · 工具包
把约 100 种语言的文本变成向量,让你能跨语言比较含义,用于搜索和匹配。适合构建多语言检索的开发者。
aldegad · 技能
把一张角色底图做成可直接进游戏的精灵图,输出带清单的图集或透明动作循环,适合在 Codex 或 Claude Code 里做游戏的开发者。
foryourhealth111-pixel · 技能
从大量已安装的技能中挑出合适的,并把每个任务拆成可检查的步骤,交给你的编程智能体。在它自己的基准测试里,平均奖励提高了 21.12 个百分点,令牌用量下降了 29.6%。
elementalsouls · 技能
为 Claude Code 提供 83 个技能和 15 个斜杠命令,用于漏洞赏金和获得授权的红队工作,从网页漏洞类别到企业身份攻击,再到报告撰写。适合安全研究人员。
bsaleh03 · 工具包
把 Qwen3.8-27B 的词表裁剪到只剩 ASCII,让一块 16 GB 显卡就能装下长得多的提示词。这是供 llama.cpp 使用的 GGUF 版本,适合英文文本和代码。