Downloads · 30 days
114
23% of all-time downloads
cagrigungor/pii-guard-turkish-270m-gguf
pii-guard-turkish-270m-gguf is a text generation model from cagrigungor. Use it when you need the model to write or continue text. It is set up for transformers. The card lists the license as gemma.
Mobil ve kenar cihazlar için GGUF paketlenmiş Türkçe talimat-koşullu PII maskeleme modeli. q80 (~292MB, kalite önceliği) ve q4km (~253MB, boyut/hız önceliği) sürümleri içerir; llama.cpp, Ollama ve llama.rn ile doğruda…
Downloads · 30 days
114
23% of all-time downloads
All-time downloads
495
Public
Repo size
1.1 GB
Likes
0
Public
Click a slice to open those files.
.gguf545 MB · 100%
From the Hugging Face model README
Mobil ve kenar cihazlar için GGUF paketlenmiş Türkçe talimat-koşullu PII maskeleme modeli. q8_0 (~292MB, kalite önceliği) ve q4_k_m (~253MB, boyut/hız önceliği) sürümleri içerir; llama.cpp, Ollama ve llama.rn ile doğrudan çalışır.
Girdi : Ahmet Yıldız 0542 321 45 67 numarasından aradı, ibanı TR12 0001 2000 0034 5678 9012 34
Çıktı : [AD] [TEL] numarasından aradı, ibanı [IBAN]
Bir LLM'e veri göndermeden önceki maskeleme katmanı, log temizleme ve KVKK/GDPR veri minimizasyonu için tasarlandı. 53 PII etiketi tanır ve talimat okur: aynı metin, farklı politika altında farklı maskelenir.
Eğitim verisinden tamamen bağımsız, elle kurulmuş 1.000 örneklik benchmark üzerinde satır düzeyi tam eşleşme (çıktının beklenen metinle karakter karakter aynı olması — tek bir etiket hatası satırın tamamını yanlış sayar):
| Model | Tam Eşleşme (1000) | Şema-nötr (903) |
|---|---|---|
| cagrigungor/pii-guard-turkish-0.8b | 0.876 | 0.889 |
| cagrigungor/pii-guard-turkish-0.6b | 0.828 | 0.850 |
| cagrigungor/pii-guard-turkish-270m | 0.740 | 0.770 |
| melikegks/turkish-pii-guard-0.8b | 0.731 | 0.810 |
Şema-nötr sütun, [YAS] [CINSIYET] [UYRUK] etiketlerinin maskelenmesini gerektiren 97 satır
hariç tutularak hesaplanır (bu üç etiket her modelin şemasında bulunmadığından modeller arası
adil kıyas bu sütundur). Benchmark halka açıktır ve yeniden üretilebilir:
Benchmark bileşimi: tam maskeleme (350), beyaz liste (200), kara liste (150), kapsam dışı (100), tuzaklı negatif (200); içinde BÜYÜK HARF, Türkçe ek almış PII, sözle yazılmış numaralar, çok kişili metinler ve 300-900 karakterlik uzun girdiler işaretli dilimler halinde bulunur.
Kategori kırılımı (bu model): tam maskeleme 0.723 · beyaz liste 0.620 · kara liste 0.740 · kapsam dışı 0.730 · negatif 0.895. Zor dilimler: ekli PII 0.818 · BÜYÜK HARF 0.505 · uzun metin 0.521 · sözle yazım 0.649.
| Taban model | google/gemma-3-270m-it |
| Yöntem | LoRA (r=16, alfa=32), bf16, completion-only loss, Unsloth |
| Bağlam | 768 token |
| Veri | Sentetik Türkçe bankacılık/ERP metni, 53 PII etiketi, ~400.000 örnek |
| Split | Modül düzeyinde train/val ayrımı; benchmark tamamen bağımsız üretim |
GGUF dosyaları llama.cpp tabanlı tüm çalıştırıcılarla uyumludur. q8_0 kalite,
q4_k_m boyut/hız önceliklidir; mobilde önce q4_k_m deneyin.
llama-cli -m gemma-3-270m-it.Q4_K_M.gguf --temp 0 \
-p "<start_of_turn>user\nMetindeki tüm kişisel verileri uygun etiketlerle maskele.\n\nMetin: müşteri Ayşe Yılmaz tc 12345678901<end_of_turn>\n<start_of_turn>model\n"
Repodaki Modelfile ile: ollama create pii-guard -f Modelfile
import { initLlama } from "llama.rn";
const ctx = await initLlama({ model: modelPath, n_ctx: 1024 });
const { text } = await ctx.completion({
prompt: `<start_of_turn>user\n${talimat}\n\nMetin: ${girdi}<end_of_turn>\n<start_of_turn>model\n`,
n_predict: 512, temperature: 0, stop: ["<end_of_turn>"],
});
Prompt biçimi eğitimle birebir aynı olmalıdır; temperature: 0 kullanın.
llama.cpp BOS tokenını otomatik ekler, elle eklemeyin.
Model talimatı okur; aynı metin farklı politika altında farklı maskelenir.
| Politika | Örnek talimat |
|---|---|
| Tam maskeleme | "Metindeki tüm kişisel verileri uygun etiketlerle maskele." |
| Beyaz liste | "Sadece IBAN ve telefon numarasını maskele. Gerisi aynen kalsın." |
| Kara liste | "Ad soyad hariç bütün hassas alanları etiketle." |
| Kategori | "Yalnızca özel nitelikli kişisel veriler maskelenecek." |
| Kapsam dışı | Talimatta istenen etiket metinde yoksa çıktı girdiyle aynı kalır. |
53 etiket, dokuz kategoride.
| Kategori | Etiketler |
|---|---|
| Kimlik | [AD] [TCKN] [DOGUM_TARIHI] [DOGUM_YERI] [ANNE_ADI] [ANNE_KIZLIK] [BABA_ADI] [PASAPORT_NO] [EHLIYET_NO] [SGK_NO] [IMZA] |
| Finansal | [IBAN] [HESAP_NO] [KART] [KART_SKT] [CVV] [MAAS] [VERGI_NO] [MUSTERI_NO] [KREDI_NOTU] [POLICE_NO] [SOZLESME_NO] [KRIPTO_CUZDAN] |
| İletişim | [TEL] [EMAIL] [ADRES] [KONUM] |
| Özel nitelikli (KVKK md. 6) | [SAGLIK] [DIN] [ETNIK_KOKEN] [SENDIKA] [BIYOMETRIK] [CEZA_KAYDI] [KAN_GRUBU] [ENGEL_DURUMU] |
| Kimlik doğrulama | [SIFRE] [PIN] [KULLANICI_ADI] |
| Cihaz ve ağ | [IP_ADRES] [MAC_ADRES] [IMEI] [CIHAZ_ID] |
| Araç | [PLAKA] [SASI_NO] [MOTOR_NO] [RUHSAT_NO] |
| İstihdam ve diğer | [SICIL_NO] [ISYERI] [AILE] [REFERANS] |
| Demografi | [YAS] [CINSIYET] [UYRUK] |
Ayşe Yılmaz'ın hesabına havale yap -> [AD]'ın hesabına havale yaptc kimlik numaram yedi bir dokuz yedi ... -> tc kimlik numaram [TCKN]ADIM AHMET TC 12345678901 -> ADIM [AD] TC [TCKN]Hasan Çağrı Güngör [email protected] — https://finiscode.com
@misc{pii-guard-turkish,
title = {PII Guard Turkish},
author = {Hasan Çağrı Güngör},
year = {2026},
url = {https://huggingface.co/cagrigungor/pii-guard-turkish-270m-gguf}
}