ChartGPTオープンソースチャート生成モデル - 無料で使用可能、自然言語記述に基づいてチャートを作成

Home

Chartgpt

Developed by yuan-tian

ChartGPTはFLAN-T5-XLをファインチューニングしたモデルで、自然言語の記述に基づいてグラフを生成します。

大規模言語モデル

Transformers

EnglishOpen Source License:Apache-2.0 #グラフ生成 #自然言語からグラフへの変換 #データ可視化

Downloads 85

Release Time : 1/16/2024

Model Overview

このモデルは自然言語の入力に基づいてグラフを生成でき、抽象的な記述から具体的なグラフ生成までの完全なプロセスをサポートします。

Model Features

自然言語からグラフ生成

抽象的な自然言語の記述を理解し、対応するグラフを生成できます

マルチステップグラフ生成

列選択、フィルタ条件から最終的なグラフタイプまでのマルチステップ生成プロセスをサポートします

Model Capabilities

自然言語理解

グラフ生成

データ可視化

Use Cases

データ可視化

映画データ分析

異なるジャンルの映画の人気度を分析します

映画のジャンルと人気度の関係を示すグラフを生成します

🚀 ChartGPT モデルカード

このモデルは自然言語からチャートを生成するために使用されます。詳細については論文を参照してください。

🚀 クイックスタート

GPUでのモデルの実行

「What kinds of movies are the most popular?」という発話を含む映画データセットの例を示します。モデルはステップ1（列の選択）に対する回答を返す必要があります。以下のコードを使用して、モデルを正常に実行できるかテストできます。

基本的な使用法

from transformers import (
    AutoTokenizer,
    AutoModelForSeq2SeqLM,
)
tokenizer = AutoTokenizer.from_pretrained("yuan-tian/chartgpt")
model = AutoModelForSeq2SeqLM.from_pretrained("yuan-tian/chartgpt", device_map="auto")
input_text = "movies <head> Title,Worldwide_Gross,Production_Budget,Release_Year,Content_Rating,Running_Time,Major_Genre,Creative_Type,Rotten_Tomatoes_Rating,IMDB_Rating <type> nominal,quantitative,quantitative,temporal,nominal,quantitative,nominal,nominal,quantitative,quantitative <data> From Dusk Till Dawn,25728961,20000000,1996,R,107,Horror,Fantasy,63,7.1 <line> Broken Arrow,148345997,65000000,1996,R,108,Action,Contemporary Fiction,55,5.8 <line>  <utterance> What kinds of movies are the most popular? <ans> <sep> Step 1. Select the columns:"
inputs = tokenizer(input_text, return_tensors="pt", padding=True).to("cuda")
outputs = model.generate(**inputs)
print(tokenizer.decode(outputs[0], skip_special_tokens = True))

✨ 主な機能

このモデルは自然言語からチャートを生成するために使用されます。

📦 インストール

このセクションでは、モデルを使用するための基本的なインストール手順を説明します。

📚 ドキュメント

モデルの詳細

モデルの説明

このモデルは自然言語からチャートを生成するために使用されます。詳細については論文を参照してください。

プロパティ	詳細
モデルタイプ	言語モデル
言語 (NLP)	英語
ライセンス	Apache 2.0
ファインチューニング元のモデル	FLAN-T5-XL
研究論文	ChartGPT: Leveraging LLMs to Generate Charts from Abstract Natural Language

モデルの入力形式

クリックして展開

ステップ x でのモデル入力。具体的には、<...> が区切りトークンとして機能します。

{table name}
<head> {column names}
<type> {column types}
<data> {data row 1} <line> {data row 2} <line>
<utterance> {NL utterance}
<ans>
<sep> {Step 1 prompt} {Answer 2}
...
<sep> {Step x-1 prompt} {Answer x-1}
<sep> {Step x prompt}

そして、モデルはステップ x に対応する回答を出力する必要があります。

ステップ1 - 6のプロンプトは以下の通りです。

Step 1. Select columns:
Step 2. Add filter:
Step 3. Add aggregations: 
Step 4. Select chart type:
Step 5. Choose encoding:
Step 6. Add sort:

トレーニングの詳細

トレーニングデータ

このモデルは FLAN-T5-XL を chartgpt-dataset でファインチューニングしたものです。

トレーニング手順

将来的に前処理とトレーニング手順を更新する予定です。

🔧 技術詳細

モデル入力形式やトレーニングデータ、手順などについて、上記で詳細な説明を行っています。

📄 ライセンス

このモデルはApache 2.0ライセンスの下で提供されています。

引用

BibTeX:

@article{tian2024chartgpt,
  title={ChartGPT: Leveraging LLMs to Generate Charts from Abstract Natural Language},
  author={Tian, Yuan and Cui, Weiwei and Deng, Dazhen and Yi, Xinjing and Yang, Yurun and Zhang, Haidong and Wu, Yingcai},
  journal={IEEE Transactions on Visualization and Computer Graphics},
  year={2024},
  pages={1-15},
  doi={10.1109/TVCG.2024.3368621}
}