163 lines
5.6 KiB
Python
163 lines
5.6 KiB
Python
import textwrap
|
||
|
||
def get_masking_prompt(text: str) -> str:
|
||
"""
|
||
Returns the prompt for masking sensitive information in legal documents.
|
||
|
||
Args:
|
||
text (str): The input text to be masked
|
||
|
||
Returns:
|
||
str: The formatted prompt with the input text
|
||
"""
|
||
prompt = textwrap.dedent("""
|
||
您是一位专业的法律文档脱敏专家。请按照以下规则对文本进行脱敏处理：
|
||
|
||
规则：
|
||
1. 人名：
|
||
- 两字名改为"姓+某"（如：张三 → 张某）
|
||
- 三字名改为"姓+某某"（如：张三丰 → 张某某）
|
||
2. 公司名：
|
||
- 保留地理位置信息（如：北京、上海等）
|
||
- 保留公司类型（如：有限公司、股份公司等）
|
||
- 用"某"替换核心名称
|
||
3. 保持原文其他部分不变
|
||
4. 确保脱敏后的文本保持原有的语言流畅性和可读性
|
||
|
||
输入文本：
|
||
{text}
|
||
|
||
请直接输出脱敏后的文本，无需解释或其他备注。
|
||
""")
|
||
|
||
return prompt.format(text=text)
|
||
|
||
def get_masking_mapping_prompt(text: str) -> str:
|
||
"""
|
||
Returns a prompt that generates a mapping of original names/companies to their masked versions.
|
||
|
||
Args:
|
||
text (str): The input text to be analyzed for masking
|
||
|
||
Returns:
|
||
str: The formatted prompt that will generate a mapping dictionary
|
||
"""
|
||
prompt = textwrap.dedent("""
|
||
您是一位专业的法律文档脱敏专家。请分析文本并生成一个脱敏映射表，遵循以下规则：
|
||
|
||
规则：
|
||
1. 人名映射规则：
|
||
- 对于同一姓氏的不同人名，使用字母区分：
|
||
* 第一个出现的用"姓+某"（如：张三 → 张某）
|
||
* 第二个出现的用"姓+某A"（如：张四 → 张某A）
|
||
* 第三个出现的用"姓+某B"（如：张五 → 张某B）
|
||
依此类推
|
||
- 三字名同样遵循此规则（如：张三丰 → 张某某，张四海 → 张某某A）
|
||
|
||
2. 公司名映射规则：
|
||
- 保留地理位置信息（如：北京、上海等）
|
||
- 保留公司类型（如：有限公司、股份公司等）
|
||
- 用"某"替换核心名称,但保留首尾字(如：北京智慧科技有限公司 → 北京智某科技有限公司)
|
||
- 对于多个相似公司名，使用字母区分（如：
|
||
北京智慧科技有限公司 → 北京某科技有限公司
|
||
北京智能科技有限公司 → 北京某科技有限公司A）
|
||
|
||
3. 公权机关不做脱敏处理（如：公安局、法院、检察院、中国人民银行、银监会及其他未列明的公权机关）
|
||
|
||
请分析以下文本，并生成一个JSON格式的映射表，包含所有需要脱敏的名称及其对应的脱敏后的形式：
|
||
|
||
{text}
|
||
|
||
请直接输出JSON格式的映射表，格式如下：
|
||
{{
|
||
"原文1": "脱敏后1",
|
||
"原文2": "脱敏后2",
|
||
...
|
||
}}
|
||
如无需要输出的映射，请输出空json，如下:
|
||
{{}}
|
||
""")
|
||
|
||
return prompt.format(text=text)
|
||
|
||
def get_masking_mapping_prompt_v2(text: str) -> str:
|
||
"""
|
||
Returns a prompt that generates a mapping of original names/companies to their masked versions.
|
||
|
||
Args:
|
||
text (str): The input text to be analyzed for masking
|
||
|
||
Returns:
|
||
str: The formatted prompt that will generate a mapping dictionary
|
||
"""
|
||
prompt = textwrap.dedent("""
|
||
请根据以下脱敏规则，对给定文本进行分析并生成脱敏映射map（JSON格式）。
|
||
|
||
脱敏规则说明：
|
||
|
||
1.人名：保留姓，名变为"某"；同姓者按"某1"、"某2"依次编号；律师姓名、审判人员姓名不脱敏
|
||
2.公司名：替换为大写英文字母（A公司、B公司等）；律师事务所不脱敏
|
||
3.地址：仅保留区级以上地址，删除详细位置
|
||
4.英文人名：保留姓名首字母，其余替换为"***"
|
||
5.英文公司名：替换为所属行业名称的英文大写形式
|
||
6.项目名：替换为小写英文字母（a项目、b项目等）
|
||
7.案号：具体案号部分替换为"** *"
|
||
8.身份证号：替换为6个"X"
|
||
9.统一社会信用代码：替换为8个"X"
|
||
输入文本：
|
||
{text}
|
||
|
||
输出要求：
|
||
请生成一个JSON格式的映射map，包含以下结构：
|
||
|
||
{{
|
||
"原文1": "脱敏后1",
|
||
"原文2": "脱敏后2",
|
||
...
|
||
}}
|
||
如无需要输出的映射，请输出空json，如下:
|
||
{{}}
|
||
注意事项：
|
||
|
||
请准确识别文本中的各类敏感信息
|
||
同一类别的多个实体，请在对应类别下全部列出
|
||
如果文本中没有某类敏感信息，可以省略该类别
|
||
请确保脱敏后的文本符合上述规则要求
|
||
|
||
|
||
""")
|
||
return prompt.format(text=text)
|
||
|
||
def get_ner_name_prompt(text: str) -> str:
|
||
"""
|
||
Returns a prompt that generates a mapping of original names/companies to their masked versions.
|
||
|
||
Args:
|
||
text (str): The input text to be analyzed for masking
|
||
|
||
Returns:
|
||
str: The formatted prompt that will generate a mapping dictionary
|
||
"""
|
||
prompt = textwrap.dedent("""
|
||
你是一个专业的法律文本实体识别助手。请从以下文本中抽取出所有需要脱敏的敏感信息，并按照指定的类别进行分类。请严格按照JSON格式输出结果。
|
||
|
||
实体类别包括:
|
||
- 人名 (不包括律师、法官、书记员、检察官等公职人员)
|
||
- 英文人名
|
||
|
||
|
||
待处理文本:
|
||
{text}
|
||
|
||
输出格式:
|
||
{{
|
||
"entities": [
|
||
{{"text": "原始文本内容", "type": "实体类别"}},
|
||
...
|
||
]
|
||
}}
|
||
|
||
请严格按照JSON格式输出结果。
|
||
|
||
""")
|
||
return prompt.format(text=text) |