DeepMount00
commited on
Commit
•
7873f1c
1
Parent(s):
5fa5d9a
Update README.md
Browse files
README.md
CHANGED
@@ -2,6 +2,8 @@
|
|
2 |
license: apache-2.0
|
3 |
language:
|
4 |
- it
|
|
|
|
|
5 |
---
|
6 |
### Model Card: Gliner - Modello Generalista per l'Identificazione di PII
|
7 |
|
@@ -31,4 +33,28 @@ Il modello è stato addestrato su un ampio dataset contenente circa 200K di esem
|
|
31 |
#### Limitazioni
|
32 |
- **Variabilità dei Dati**: Gliner può avere difficoltà nell'identificare PII in documenti non strutturati o con formattazioni molto diverse da quelle presenti nel set di addestramento.
|
33 |
- **Tag Rari**: Il modello può mostrare performance ridotte su tag meno comuni o su quelli che non erano ben rappresentati nel set di addestramento.
|
34 |
-
- **Bias**: Come tutti i modelli di machine learning, Gliner può essere soggetto a bias derivanti dal dataset di addestramento.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
license: apache-2.0
|
3 |
language:
|
4 |
- it
|
5 |
+
pipeline_tag: token-classification
|
6 |
+
library_name: gliner
|
7 |
---
|
8 |
### Model Card: Gliner - Modello Generalista per l'Identificazione di PII
|
9 |
|
|
|
33 |
#### Limitazioni
|
34 |
- **Variabilità dei Dati**: Gliner può avere difficoltà nell'identificare PII in documenti non strutturati o con formattazioni molto diverse da quelle presenti nel set di addestramento.
|
35 |
- **Tag Rari**: Il modello può mostrare performance ridotte su tag meno comuni o su quelli che non erano ben rappresentati nel set di addestramento.
|
36 |
+
- **Bias**: Come tutti i modelli di machine learning, Gliner può essere soggetto a bias derivanti dal dataset di addestramento.
|
37 |
+
|
38 |
+
## Installation
|
39 |
+
To use this model, you must install the GLiNER Python library:
|
40 |
+
```
|
41 |
+
!pip install gliner
|
42 |
+
```
|
43 |
+
|
44 |
+
## Usage
|
45 |
+
Once you've downloaded the GLiNER library, you can import the GLiNER class. You can then load this model using `GLiNER.from_pretrained` and predict entities with `predict_entities`.
|
46 |
+
|
47 |
+
```python
|
48 |
+
from gliner import GLiNER
|
49 |
+
|
50 |
+
model = GLiNER.from_pretrained("DeepMount00/GLiNER_PII_ITA")
|
51 |
+
|
52 |
+
text = """..."""
|
53 |
+
|
54 |
+
labels = ["label1", "label2"]
|
55 |
+
|
56 |
+
entities = model.predict_entities(text, labels)
|
57 |
+
|
58 |
+
for entity in entities:
|
59 |
+
print(entity["text"], "=>", entity["label"])
|
60 |
+
```
|