arXiv · NLP· Gyuseong Lee, Gyeongje Cho, Jongmin Kim, Heejin Kim, Yeonkyoung So, Hyunggeun Jeon, Hyunji M. Park, Sangho Kim, Yoonhee Park, Youngbin Pyo, Jaejin Lee·· 8 小时前AI 评分24
Thunder-DeID+：面向韩语法院判决书及更广敏感文档的边界感知去标识化
Thunder-DeID+: Boundary-Aware Korean De-identification from Court Judgments to Broader Sensitive Documents
AI 导读
Thunder-DeID+ 模型通过整合三层 PII 分类体系与边界感知 tokenizer，将韩语法律文书去标识化的 W. Strict Typed F1 分数从 0.76 提升至 0.87。 该优化在 150M 至 1B 参数的四个模型规模中均有效提升了精度。在 1,000 份更广泛敏感文档微调后，分数进一步达到 0.93，证实了跨文档类型的迁移能力。
来源：arXiv · NLP · arxiv.org