Update presidio_config_vi_improved.yaml

presidio_config_vi_improved.yaml

@@ -142,13 +142,13 @@ recognizer_registry:
         - "thẻ BHYT"
         - "bảo hiểm y tế"
 
-    # 11. Account number
+    # 11. Account number (Số tài khoản ngân hàng: 6-15 số)
     - name: AccountNumberRecognizer
       supported_language: vi
       supported_entity: ACCOUNT_NUMBER
       patterns:
-        - name: account_generic
-          regex: "\\b\\d{8,16}\\b"
+        - name: account_number
+          regex: "\\b\\d{6,15}\\b"
           score: 0.8
       context:
         - "số tài khoản"
@@ -156,6 +156,23 @@ recognizer_registry:
         - "account number"
         - "bank account"
 
+    # 12. Card number (Số thẻ ngân hàng: 16 hoặc 19 số)
+    - name: CardNumberRecognizer
+      supported_language: vi
+      supported_entity: CARD_NUMBER
+      patterns:
+        - name: card_number_16
+          regex: "\\b\\d{16}\\b"
+          score: 0.9
+        - name: card_number_19
+          regex: "\\b\\d{19}\\b"
+          score: 0.9
+      context:
+        - "số thẻ"
+        - "thẻ ngân hàng"
+        - "card number"
+        - "bank card"
+
     # 12. Certificate
     - name: CertificateRecognizer
       supported_language: vi
@@ -184,15 +201,14 @@ recognizer_registry:
       supported_language: vi
       supported_entity: DEVICE_ID
       patterns:
-        # (A) UDI với ít nhất AI (01) và GTIN-14,
-        # phía sau có thể có thêm (10), (11), (17), (21)
+        # UDI: bắt đầu bằng 01, tiếp theo là 14 số, sau đó có thể có nhiều nhóm (10...), (11...), (17...), (21...), LOT..., SN...
         - name: udi_full
-          regex: "\\(01\\)\\s*\\d{14}(?:\\(10\\)[A-Za-z0-9]{1,20})?(?:\\(11\\)\\d{6})?(?:\\(17\\)\\d{6})?(?:\\(21\\)[A-Za-z0-9]{1,20})?"
+          regex: "\\b01\\d{14}(?:10[A-Za-z0-9]{1,20}|11\\d{6}|17\\d{6}|21[A-Za-z0-9]{1,20}|LOT[A-Za-z0-9]+|SN[A-Za-z0-9]+)*\\b"
           score: 0.99
 
-        # (B) UDI đơn giản: chỉ (01) + GTIN-14 (không có phần sản xuất)
+        # UDI đơn giản: chỉ 01 + 14 số
         - name: udi_simple
-          regex: "\\bUDI[:\\s]*\\(01\\)\\s*\\d{14}\\b"
+          regex: "\\bUDI[:\\s]*01\\d{14}\\b"
           score: 0.98
 
       context:
@@ -225,6 +241,24 @@ recognizer_registry:
           regex: "\\b([0-9a-fA-F]{1,4}:){7}[0-9a-fA-F]{1,4}\\b"
           score: 0.9
 
+    # 17. ID Card number (Số căn cước công dân Việt Nam: 12 số, theo cấu trúc quy định)
+    - name: IDCardNumberRecognizer
+      supported_language: vi
+      supported_entity: ID_CARD_NUMBER
+      patterns:
+        - name: id_card_number
+          # 12 số, 3 số đầu là mã tỉnh (001-096), 1 số giới tính/thế kỷ, 2 số năm sinh, 6 số ngẫu nhiên
+          regex: "\\b(0[0-9]{2}|09[0-6])[0-9]{1}[0-9]{2}[0-9]{6}\\b"
+          score: 0.95
+      context:
+        - "căn cước công dân"
+        - "CCCD"
+        - "số định danh cá nhân"
+        - "số căn cước"
+        - "số CCCD"
+        - "ID card"
+        - "ID cá nhân"
+
 nlp_configuration:
   nlp_engine_name: stanza
   models: