ReCoPII：基于关系的上下文PII掩码数据集框架

ReCoPII 用实体关系推导 MASK/KEEP 标签，减少上下文 PII 掩码的过掩码。

资讯摘要

论文提出 ReCoPII 框架，用于构建上下文 PII 掩码数据集，不预设单一数据主体。流程包括规划本体约束的实体关系、生成带占位符的插入句、用代码重建标注、由独立 LLM 校验，并依据实体关系推导 MASK/KEEP 标签。作者在六个领域韩文文档上构建 ReCoPII-Ko 语料并验证：300 对样本中四名标注者与 88.42% 的 KEEP 标签一致，SPY 式增强仅 26.27%。

要点速读

1. ReCoPII 通过本体约束的实体关系规划、占位符句子生成、代码重建标注和独立 LLM 校验来构建数据，并从实体关系推导 MASK/KEEP 标签。
2. 在六个领域韩文文档上构建 ReCoPII-Ko 语料，含关系、隐私和 MASK/KEEP 标注；300 对样本中四名标注者对 88.42% 的 KEEP 标签一致，SPY 式增强为 26.27%。
3. 作者报告：在其上训练的上下文掩码分类器过掩码更少；与 PII 检测器联合微调可在固定泄漏预算内消除大部分过掩码，满足预算的四个检测器过掩码至多 5.04%、泄漏至多 4.18%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。