metadata
license: apache-2.0
language:
- zh
tags:
- token-classification
- pii
- privacy
- traditional-chinese
pipeline_tag: token-classification
privacy-filter-tw — 部署 bundle
Fine-tuned openai/privacy-filter 用於台灣 PII 去識別化的完整部署包。
含權重 + Docker images + 執行腳本，可離線在 CPU 或 CUDA GPU 上跑。
受管控 Repo（Manual Review）：申請存取後由 owner 手動核准。
內容
| 檔案 | 大小 | 說明 |
|---|---|---|
model/ |
2.6 GB | v3 fine-tuned checkpoint (OPF-native format) |
ntts_cpu_amd64.tar |
320 MB | Docker image (CPU-only, python:3.11-slim + torch cpu) |
ntts_cuda_amd64.tar |
4.0 GB | Docker image (pytorch/pytorch:2.7.0-cuda12.8-cudnn9) |
notes-scratch-2026/ |
工具 code：main.py, runtime.py, chunker.py, Dockerfiles | |
debs/ |
python3-venv + 7zip .deb (Ubuntu 22.04/24.04) 供離線裝 | |
RUN.sh |
一鍵執行腳本（自動偵測 CPU/GPU） | |
pii_categories.md |
19 類 PII 定義與準確度分佈 |
快速開始（Ubuntu 機器）
# 假設下載後放到 /home/ubuntu/pii_tool/
cd /home/ubuntu/pii_tool
# 載入 Docker image (擇一)
sudo docker load -i ntts_cuda_amd64.tar # GPU
# 或
sudo docker load -i ntts_cpu_amd64.tar # CPU
# 準備輸入資料在 /home/ubuntu/YOUR_INPUT_DIR/ (遞迴掃描 *.txt)
# 跑
sudo docker run --rm --gpus all \
-v /home/ubuntu/YOUR_INPUT_DIR:/data \
-v $(pwd)/model:/model \
ntts:cuda /data \
--model-dir /model \
--chunk-size 1000 \
--overlap 200
輸出：每個 <name>.txt → 同資料夾產生 <name>_masked.txt
CLI 參數
| Flag | Default | 說明 |
|---|---|---|
<input_dir> |
必填 | 遞迴掃描 *.txt |
--model-dir DIR |
(none) | 本地 model 路徑（離網必用） |
--chunk-size N |
1000 | Chunk 字元數 |
--overlap N |
200 | Chunk 重疊 |
--no-propagate |
off | 關閉全域 entity 傳播 |
--gpus auto|N|0 |
auto | 多卡並行；0 強制 CPU |
相關資源
- Base model：openai/privacy-filter
- Public 版 v3 weights：lianghsun/privacy-filter-tw
- Evaluation dataset：lianghsun/tw-PII-bench
- Training dataset：lianghsun/tw-PII-chat
License
Apache 2.0（繼承自 openai/privacy-filter）。