GLiNER2-PII: 개인 식별 정보 추출을 위한 다국어 모델

요약

본 논문은 개인 식별 정보(PII) 추출의 어려움(이질적, 지역 의존적, 문맥 민감성 등)을 해결하기 위해 GLiNER2를 기반으로 개발된 소규모 다국어 모델인 GLiNER2-PII를 소개합니다. 이 모델은 42가지 광범위한 PII 개체 유형을 문자-스팬 해상도에서 인식하도록 설계되었습니다. 연구진은 주석 데이터 부족 문제를 해결하기 위해 제약 기반 생성 파이프라인으로 다국어 합성 코퍼스를 구축했으며, 까다로운 SPY 벤치마크에서 최고 성능을 달성하여 오픈 소스로 공개했습니다.

핵심 포인트

• GLiNER2-PII는 42가지 광범위한 PII 개체 유형을 인식하도록 설계된 경량의 다국어 모델이다.
• 주석 데이터 부족 문제를 해결하기 위해 제약 기반 생성 파이프라인을 사용하여 합성 다국어 코퍼스를 구축했다.
• SPY 벤치마크에서 OpenAI Privacy Filter와 기존 GLiNER 기반 탐지기를 포함한 여러 시스템 중 최고 수준의 F1 점수를 기록했다.
• 모델과 데이터는 오픈 소스로 공개되어 커뮤니티의 PII 탐지 연구 및 실제 배포를 지원한다.