日本語テキストから社外秘の固有表現を抽出するタスク向けの SFT (Supervised Fine-Tuning) データセットです。
LFM2 系モデルの LoRA fine-tune を想定して構築されています。
入力テキスト（日本語）に含まれる機密情報を、11カテゴリの JSON として抽出します。
入力: 「山田太郎（
yamada@example.co.jp）から請求書番号 INV-2024-0042 で
売上 ¥12,800,000 の見積書が届いた。」
出力: {
"address": [],
"company_name": [],
"email_address": ["
yamada@example.co.jp"],
"human_name": ["山田太郎"],
"phone_number": [],
"account_identifier":… See the full description on the dataset page:
https://huggingface.co/datasets/akiFQC/japanese-confidential-information-extraction-sft.
