63 lines
1.7 KiB
YAML
63 lines
1.7 KiB
YAML
# Notre configuration maître finale.
|
|
|
|
# 1. Configuration du moteur de langage (NLP)
|
|
nlp_engine_name: spacy
|
|
supported_languages: [en, fr]
|
|
models:
|
|
- lang_code: en
|
|
model_name: en_core_web_lg
|
|
- lang_code: fr
|
|
model_name: fr_core_news_sm
|
|
|
|
# =====================================================================
|
|
# ÉTAPE 1 : IGNORER LES ÉTIQUETTES NON PERTINENTES
|
|
# On dit à Presidio d'ignorer complètement l'étiquette "MISC" de spaCy.
|
|
# Cela va nettoyer les logs ET empêcher l'anonymisation des mots non pertinents.
|
|
# =====================================================================
|
|
ner_model_configuration:
|
|
labels_to_ignore:
|
|
- MISC
|
|
|
|
# 2. Configuration des détecteurs
|
|
recognizer_registry:
|
|
# On charge nos règles personnalisées
|
|
- presidio_config.custom_recognizers.custom_recognizers
|
|
|
|
# =====================================================================
|
|
# ÉTAPE 2 : LA LISTE BLANCHE (DOUBLE SÉCURITÉ)
|
|
# On donne une liste de mots à ne jamais anonymiser, peu importe le contexte.
|
|
# =====================================================================
|
|
default_explanation: "Identified as {{entity_type}} by {{recognizer_name}} with score of {{score}}"
|
|
analysis_explanations:
|
|
allow_list:
|
|
# Mots courants dans les documents légaux/financiers
|
|
- Contrat
|
|
- contrat
|
|
- Contrats
|
|
- Document
|
|
- document
|
|
- Société
|
|
- Investisseur
|
|
- Montant
|
|
- Intérêt
|
|
- Intérêts
|
|
- Partie
|
|
- Parties
|
|
- Annexe
|
|
- Remboursement
|
|
- Conversion
|
|
- Financement
|
|
- Sortie
|
|
- Juste Valeur Marchande
|
|
- Échéance
|
|
- Clause
|
|
- Clauses
|
|
- Principe
|
|
- Coûts
|
|
- Notifications
|
|
- Article
|
|
- Paragraphe
|
|
- Directeur
|
|
- Gérant
|
|
- Président
|