Датасет · gretelai
Синтетические финансовые документы с PII
gretelai/synthetic_pii_finance_multilingual
Синтетические финансовые документы на шести языках с разметкой персональных данных для обучения NER.
Что внутри
Датасет содержит полноформатные синтетические финансовые документы с персональными данными (PII). Они сгенерированы с помощью Gretel Navigator и выпущены под Apache 2.0. Языки: en, fr, de, nl, es, it; размер — от 10K до 100K примеров. Данные представлены в модальностях tabular и text.
Что можно сделать
- Обучение NER-модели для поиска PII
- Дообучение token-classification модели
- Проверка систем маскирования персональных данных
- Задачи
- Классификация текста, Заполнение пропусков, Разметка токенов
- Языки
- Английский, Французский, Немецкий, Нидерландский, Испанский, Итальянский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 3,7 тыс.
- Лайков
- 83
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("gretelai/synthetic_pii_finance_multilingual")