Датасет · hyperbots-inc
Датасет синтетических документов для редвакции PII
hyperbots-inc/synthetic-pii-redaction
Страницы корпоративных документов с разметкой конфиденциальных данных для токенизации и детекции.
Что внутри
Содержит менее 1K изображений (100 страниц) корпоративных документов на английском языке (формы KYC, медицинские карты, страховые иски, банковские выписки). Каждое PII-значение размечено дважды: как текстовый диапазон и пиксельные боксы на изображении.
Что можно сделать
- Обучение моделей token-classification для извлечения сущностей
- Обучение моделей object-detection для поиска конфиденциальных данных
- Разработка систем автоматического скрытия персональных данных
- Задачи
- Разметка токенов, Детекция объектов
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 504
- Лайков
- 46
Как загрузить
from datasets import load_dataset
ds = load_dataset("hyperbots-inc/synthetic-pii-redaction")