Downloads · 30 days
0
alrosait/spacy_ru_core_news_lg_pii
spacy_ru_core_news_lg_pii is a token classification model from alrosait. Use it when you need labels on individual words, such as names. It is set up for spacy. The card lists the license as mit.
spaCy NER-модель для детекции имён (ФИО) и адресов в русскоязычных текстах. Дообучена на основе rucorenewslg с заменой NER-головы на двухклассовую (NAME / ADDRESS).
Downloads · 30 days
0
Access
Public
Updated Jun 18, 2026
Repo size
668 MB
Likes
2
Public
Click a slice to open those files.
Other618 MB · 92%
From the Hugging Face model README
spaCy NER-модель для детекции имён (ФИО) и адресов в русскоязычных текстах.
Дообучена на основе ru_core_news_lg
с заменой NER-головы на двухклассовую (NAME / ADDRESS).
Входит в состав проекта PIIDetector — гибридного детектора персональных данных для русского языка на базе Microsoft Presidio.
pip install spacy>=3.8.0,<3.9.0 pymorphy3>=1.0.0
import spacy
nlp = spacy.load("alrosait/spacy_ru_core_news_lg_pii")
doc = nlp("Иван Петров, г. Москва, ул. Ленина 5")
for ent in doc.ents:
print(ent.text, ent.label_)
# Иван Петров NAME
# г. Москва, ул. Ленина 5 ADDRESS
| Метка | Описание |
|---|---|
NAME | ФИО: полное, сокращённое, с инициалами, в различных падежах |
ADDRESS | Почтовые адреса: город, улица, дом, квартира |
Оценка на hivetrace/pii-bench (1 810 примеров, exact match):
| Сущность | Precision | Recall | F1 |
|---|---|---|---|
| NAME | 0.968 | 0.921 | 0.944 |
| ADDRESS | 0.824 | 0.824 | 0.824 |
ru_core_news_lg (tok2vec + 300-мерные векторы)tok2vec → ner (senter отключён для инференса)Модель обучена на объединённом датасете из трёх источников:
| Источник | Описание |
|---|---|
| scanpatch/pii-ner-corpus-synthetic-controlled | Взяли русскоязычные примеры, использовали только сущности NAME и ADDRESS |
| AlexKly/Detailed-NER-Dataset-RU | BIOLU-аннотированный русский NER, метки объединены в NAME и ADDRESS |
| alrosait/pii-synthetic-ru | Собственный синтетический датасет (4 500 примеров, 13 доменов) |
Итоговый размер: 13 052 train / 1 451 dev документов; 11 460 / 1 264 сущностей (NAME: 6 298 / 694, ADDRESS: 5 162 / 570).