%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
JA
Chat Topics
BERTopicベースのチャットトピック分類モデルで、大量のテキストデータから自動的にトピックを識別・分類可能
ダウンロード数 262
リリース時間 : 5/29/2023
モデル概要
このモデルはBERTopicフレームワークを使用して構築され、チャットテキストを分析して意味のあるトピック分類を抽出するために特別に設計されています。ソーシャルメディアやカスタマーサービス対話などのシナリオにおけるトピックマイニングと分析に適しています。
モデル特徴
モジュール設計
BERTopicのモジュールフレームワークを採用し、各処理段階を柔軟に調整可能
複数トピック識別
75の異なるトピックカテゴリを自動識別可能
キーワード抽出
各トピックに対して最も代表的なキーワードを提供
大規模トレーニング
63,530件のドキュメントでトレーニングされ、幅広いトピックをカバー
モデル能力
テキスト分類
トピック識別
キーワード抽出
トピック可視化
使用事例
ソーシャルメディア分析
チャットトピック監視
ソーシャルメディア上のホットな議論トピックを分析
75の異なるトピックカテゴリを識別
カスタマーサービス
カスタマーサービス対話分析
顧客問い合わせの主要トピックを分類
カスタマーサービス対応効率の向上
🚀 chat_topics
このモデルはBERTopicをベースにしたテキスト分類モデルです。BERTopicは柔軟性とモジュール性に富んだトピックモデリングフレームワークで、大規模なデータセットから解釈しやすいトピックを生成することができます。
🚀 クイックスタート
このモデルを使用するには、まずBERTopicをインストールする必要があります。
pip install -U bertopic
以下のコードを使用してモデルを使うことができます。
from bertopic import BERTopic
topic_model = BERTopic.load("davanstrien/chat_topics")
topic_model.get_topic_info()
✨ 主な機能
- 大規模データセットからトピックを抽出することができます。
- 各トピックのキーワードや頻度を提供します。
📚 ドキュメント
トピックの概要
- トピック数: 75
- 学習データ数: 63530
すべてのトピックの概要を表示するにはここをクリックしてください。
| トピックID | トピックキーワード | トピック頻度 | ラベル |
|---|---|---|---|
| -1 | provide - using - information - sure - help | 26 | -1_provide_using_information_sure |
| 0 | openai - ai - chatgpt - assistant - language | 7837 | 生成AI |
| 1 | anytime - welcome - assistance - helpful - thank | 1342 | 1_anytime_welcome_assistance_helpful |
| 2 | quantum - particle - physics - particles - relativity | 778 | 物理学 |
| 3 | story - lived - life - novel - felt | 569 | 3_story_lived_life_novel |
| 4 | letter - sincerely - regards - email - dear | 516 | 4_letter_sincerely_regards_email |
| 5 | rust - haskell - programming - java - languages | 504 | プログラミング |
| 6 | css - html - style - div - js | 494 | Webプログラミング |
| 7 | linux - ubuntu - debian - fedora - install | 440 | 7_linux_ubuntu_debian_fedora |
| 8 | recipe - bake - ingredients - baking - dough | 425 | 8_recipe_bake_ingredients_baking |
| 9 | websocket - json - socket - api - discord | 425 | 9_websocket_json_socket_api |
| 10 | communism - capitalism - marx - economic - economy | 424 | 10_communism_capitalism_marx_economic |
| 11 | dog - pet - breed - breeds - pets | 408 | 11_dog_pet_breed_breeds |
| 12 | philosophy - theological - philosophical - beliefs - consciousness | 394 | 12_philosophy_theological_philosophical_beliefs |
| 13 | git - github - repository - software - commit | 381 | 13_git_github_repository_software |
| 14 | music - songs - musical - lyrics - song | 370 | 14_music_songs_musical_lyrics |
| 15 | devops - development - developers - industry - develop | 323 | 15_devops_development_developers_industry |
| 16 | pythagorean - hypotenuse - triangle - math - sqrt | 302 | 16_pythagorean_hypotenuse_triangle_math |
| 17 | eu - europe - economy - economic - war | 291 | 17_eu_europe_economy_economic |
| 18 | sleep - asleep - bedtime - procrastination - depression | 280 | 18_sleep_asleep_bedtime_procrastination |
| 19 | kramer - seinfeld - jerry - cafe - elaine | 279 | 19_kramer_seinfeld_jerry_cafe |
| 20 | printing - prints - printer - print - printers | 276 | 20_printing_prints_printer_print |
| 21 | influenza - flu - panic - symptoms - medical | 251 | 21_influenza_flu_panic_symptoms |
| 22 | chess - chessboard - practice - strategy - learn | 242 | 22_chess_chessboard_practice_strategy |
| 23 | algorithm - primes - array - integers - python | 240 | 23_algorithm_primes_array_integers |
| 24 | youtube - viewers - media - google - streaming | 240 | 24_youtube_viewers_media_google |
| 25 | poison - chemicals - powder - turpentine - smoke | 226 | 25_poison_chemicals_powder_turpentine |
| 26 | monday - sunday - count_weekend_days - calendar - dates | 216 | 26_monday_sunday_count_weekend_days_calendar |
| 27 | colors - colour - color - pigments - blue | 208 | 27_colors_colour_color_pigments |
| 28 | roman - attila - rome - empire - warfare | 205 | 28_roman_attila_rome_empire |
| 29 | investing - investments - investment - stocks - financial | 204 | 29_investing_investments_investment_stocks |
| 30 | vocabulary - wordle - words - scrabble - word | 201 | 30_vocabulary_wordle_words_scrabble |
| 31 | planets - sun - earth - planet - pluto | 198 | 31_planets_sun_earth_planet |
| 32 | renewable - solar - electricity - energy - electrical | 190 | 32_renewable_solar_electricity_energy |
| 33 | pygame - ball_radius - draw - circle - canvas | 181 | 33_pygame_ball_radius_draw_circle |
| 34 | fishing - fish - boat - hiking - camping | 176 | 34_fishing_fish_boat_hiking |
| 35 | gpus - gpu - motherboard - cpu - hardware | 162 | 35_gpus_gpu_motherboard_cpu |
| 36 | hvac - remodeling - energy - kwh - housing | 159 | 36_hvac_remodeling_energy_kwh |
| 37 | database - graphql - databases - postgresql - sql | 159 | 37_database_graphql_databases_postgresql |
| 38 | información - significado - cómo - como - sistemas | 158 | 38_información_significado_cómo_como |
| 39 | motherboard - pcie - gpu - bios - computer | 153 | 39_motherboard_pcie_gpu_bios |
| 40 | crops - produce - planting - peppers - plants | 148 | 40_crops_produce_planting_peppers |
| 41 | paintings - art - modernist - artists - modern | 148 | 41_paintings_art_modernist_artists |
| 42 | workout - exercises - dumbbells - dumbbell - exercise | 147 | 42_workout_exercises_dumbbells_dumbbell |
| 43 | climate - warming - pollution - environmental - emissions | 142 | 43_climate_warming_pollution_environmental |
| 44 | coffee - espresso - brewing - tea - beans | 137 | 44_coffee_espresso_brewing_tea |
| 45 | velocity - drag - acceleration - density - formula | 132 | 45_velocity_drag_acceleration_density |
| 46 | woodchuck - woodchucks - units - kilogram - kilograms | 130 | 46_woodchuck_woodchucks_units_kilogram |
| 47 | ascii - glyphs - hiragana - art - font | 129 | 47_ascii_glyphs_hiragana_art |
| 48 | guitars - guitar - strings - guitarists - instrument | 127 | 48_guitars_guitar_strings_guitarists |
| 49 | tallest - buildings - building - burj - khalifa | 114 | 49_tallest_buildings_building_burj |
| 50 | flat - earth - curvature - spherical - tectonic | 111 | 50_flat_earth_curvature_spherical |
| 51 | essay - awareness - understanding - being - be | 102 | 51_essay_awareness_understanding_being |
| 52 | portals - ender - portal - obsidian - netherite | 102 | 52_portals_ender_portal_obsidian |
| 53 | android - apple - phones - devices - vehicles | 101 | 53_android_apple_phones_devices |
| 54 | fasting - dietary - diet - eating - metabolic | 101 | 54_fasting_dietary_diet_eating |
| 55 | meditation - relief - pain - health - nociception | 99 | 55_meditation_relief_pain_health |
| 56 | weather - forecast - forecasts - raining - precipitation | 95 | 56_weather_forecast_forecasts_raining |
| 57 | president - presidents - presidency - constitution - biden | 94 | 57_president_presidents_presidency_constitution |
| 58 | no - nope - yes - not - maybe | 94 | 58_no_nope_yes_not |
| 59 | peregrine - airspeed - falcon - speed - bird | 90 | 59_peregrine_airspeed_falcon_speed |
| 60 | crontab - cron - myscript - script - bash | 83 | 60_crontab_cron_myscript_script |
| 61 | youtuber - streamer - ceo - musk - founder | 83 | 61_youtuber_streamer_ceo_musk |
| 62 | layovers - flights - circumnavigate - layover - travel | 83 | 62_layovers_flights_circumnavigate_layover |
| 63 | keyboards - keyboard - switches - qwerty - types | 83 | 63_keyboards_keyboard_switches_qwerty |
| 64 | file_path_in_dir1 - file_path1 - csv_file - file_path_in_dir2 - file_path2 | 80 | 64_file_path_in_dir1_file_path1_csv_file_file_path_in_dir2 |
| 65 | pele - maradona - lebron - ronaldo - nba | 76 | 65_pele_maradona_lebron_ronaldo |
| 66 | alopecia - hairstyles - hairstyle - hair - scalp | 66 | 66_alopecia_hairstyles_hairstyle_hair |
| 67 | nginx - docker - kubernetes - proxy_pass - nodeport | 65 | 67_nginx_docker_kubernetes_proxy_pass |
| 68 | directories - directory - sudo - filesystem - folders | 62 | 68_directories_directory_sudo_filesystem |
| 69 | gps - map - geocaching - maps - armenia | 52 | 69_gps_map_geocaching_maps |
| 70 | meiosis - mitosis - fertilization - reproduction - ovulation | 51 | 70_meiosis_mitosis_fertilization_reproduction |
| 71 | colleges - admissions - universities - campus - university | 43 | 71_colleges_admissions_universities_campus |
| 72 | unicorns - unicorn - pony - ponies - mythical | 32 | 72_unicorns_unicorn_pony_ponies |
| 73 | superpowers - abilities - superhero - superhuman - powers | 28 | 73_superpowers_abilities_superhero_superhuman |
学習ハイパーパラメータ
- calculate_probabilities: False
- language: None
- low_memory: False
- min_topic_size: 20
- n_gram_range: (1, 1)
- nr_topics: 75
- seed_topic_list: None
- top_n_words: 10
- verbose: True
フレームワークのバージョン
| フレームワーク | バージョン |
|---|---|
| Numpy | 1.22.4 |
| HDBSCAN | 0.8.29 |
| UMAP | 0.5.3 |
| Pandas | 1.5.3 |
| Scikit-Learn | 1.2.2 |
| Sentence-transformers | 2.2.2 |
| Transformers | 4.29.2 |
| Numba | 0.56.4 |
| Plotly | 5.13.1 |
| Python | 3.10.11 |
📄 ライセンス
このプロジェクトはMITライセンスの下で公開されています。
Distilbert Base Uncased Finetuned Sst 2 English
Apache-2.0
DistilBERT - base - uncasedをベースに、SST - 2感情分析データセットで微調整されたテキスト分類モデル。正解率91.3%
テキスト分類 英語
D
distilbert
5.2M
746
Xlm Roberta Base Language Detection
MIT
XLM-RoBERTaベースの多言語検出モデル、20言語のテキスト分類をサポート
テキスト分類
Transformers 複数言語対応
Transformers 複数言語対応X
papluca
2.7M
333
Roberta Hate Speech Dynabench R4 Target
このモデルは動的データセット生成を通じてオンライン憎悪検出を改善し、検出効果を高めるために最悪ケースから学習することに焦点を当てています。
テキスト分類 Transformers 英語
Transformers 英語R
facebook
2.0M
80
Bert Base Multilingual Uncased Sentiment
MIT
bert-base-multilingual-uncasedを微調整した多言語感情分析モデルで、6言語の商品レビューの感情分析に対応しています。
テキスト分類 複数言語対応
B
nlptown
1.8M
371
Emotion English Distilroberta Base
DistilRoBERTa-baseをファインチューニングした英語テキストの感情分類モデルで、エクマンの6基本感情と中立カテゴリを予測可能。
テキスト分類 Transformers 英語
Transformers 英語E
j-hartmann
1.1M
402
Robertuito Sentiment Analysis
RoBERTuitoベースのスペイン語ツイート感情分析モデル、POS(ポジティブ)/NEG(ネガティブ)/NEU(ニュートラル)の3分類に対応
テキスト分類 スペイン語
R
pysentimiento
1.0M
88
Finbert Tone
FinBERTは金融通信テキストを元に事前学習されたBERTモデルで、金融自然言語処理分野に特化しています。finbert-toneはその微調整バージョンで、金融感情分析タスクに使用されます。
テキスト分類 Transformers 英語
Transformers 英語F
yiyanghkust
998.46k
178
Roberta Base Go Emotions
MIT
RoBERTa-baseに基づく多ラベル感情分類モデルで、go_emotionsデータセットで訓練され、28種類の感情ラベル識別をサポートします。
テキスト分類 Transformers 英語
Transformers 英語R
SamLowe
848.12k
565
Xlm Emo T
XLM-EMOはXLM-Tモデルをファインチューニングした多言語感情分析モデルで、19言語をサポートし、特にソーシャルメディアテキストの感情予測に特化しています。
テキスト分類 Transformers その他
Transformers その他X
MilaNLProc
692.30k
7
Deberta V3 Base Mnli Fever Anli
MIT
MultiNLI、Fever-NLI、ANLIのデータセットを用いて訓練されたDeBERTa-v3モデルで、ゼロショット分類と自然言語推論タスクに優れています。
テキスト分類 Transformers 英語
Transformers 英語D
MoritzLaurer
613.93k
204
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
Transformers 複数言語対応L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98