/ GLiNER·Português brasileiro·24 categorias·LGPD

Identificação de dados pessoais em documentos em português, com a LGPD no critério.

Cole uma peça, um contrato, um e-mail. O modelo marca 24 categorias canônicas de PII, destaca dados sensíveis nos termos do art. 5º, II da Lei nº 13.709/2018 e aceita labels arbitrários em zero-shot — OAB, número de processo, cargo, medicação.

Texto para análise0 caracteres
Exemplos construídos manualmente · fora do conjunto de treino
Texto anotado
PII identificávelDado sensível · art. 5º, IILabel customizado
Detalhamento por categoria

Abrir interface original e todos os exemplos →

Desempenho dos modelos

Três modelos, diferentes compromissos.

Em mmBERT-small, F1 ≥ 0,99 em cartão de crédito, CPF, PIS, RG, data de nascimento, telefone, e-mail e CEP. Recall geral de 0,95 em avaliação cross-source — quatro fontes, 24 labels, nervaluate.

O marcador berco-de-tiradentes é um easter egg de avaliação: um label treinado desde o primeiro passo para medir memorização versus generalização.

ModeloBackboneF1 partialF1 exact
mmBERT-small · recomendadojhu-clsp/mmBERT-small · 140M0.8270.796
ettin-68m · precisojhu-clsp/ettin-encoder-68m0.6820.637
ettin-32m · rápidojhu-clsp/ettin-encoder-32m0.6030.542

Como usar

Três linhas. Sem servidor.

O modelo mmBERT está disponível no Hugging Face. Os modelos Ettin exigem acesso aos respectivos repositórios.

# pip install gliner
from gliner import GLiNER
model = GLiNER.from_pretrained(
  "arthrod/gliner-mmbert-small-ptbr-pii-full-3x-v1")
ents = model.predict_entities(texto, labels, threshold=0.4)

/ Consultoria

Precisa disso rodando no seu fluxo de documentos, não numa demo?

Implemento redação, triagem e governança de dados pessoais em escritórios e jurídicos internos — do modelo ao procedimento LGPD que o sustenta.

Falar comigo →Ver projetos →