README.md

metadata

title: Тематический классификатор текста
emoji: 🏷️
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: 6.5.1
app_file: app.py
pinned: false

🏷️ Тематический классификатор текста

Веб-приложение для автоматической классификации текстов по темам с использованием нейронных сетей. Определяет основную тему текста из 12 возможных категорий.

🚀 Живая демонстрация

📌 Возможности приложения

✅ Основные функции

• Автоматическое определение темы текста
• 12 тематических категорий: спорт, политика, наука и другие
• Визуализация результатов с прогресс-барами
• История запросов (последние 10 запросов)
• Настройка количества отображаемых тем (1-5)
• Измерение времени обработки
• Готовые примеры для быстрого тестирования

🎯 Определяемые темы

Тема	Иконка	Описание	Пример текста
Спорт	🏀	Спортивные события, соревнования, команды	"Сборная России выиграла чемпионат мира по хоккею"
Политика	🏛️	Политические новости, выборы, законы	"Парламент принял новый закон о налогах"
Наука	🔬	Научные открытия, исследования, технологии	"Учёные открыли новый вид динозавров"
Технологии	💻	IT, гаджеты, программы, интернет	"Apple представила новый iPhone 15"
Здоровье	🏥	Медицина, болезни, лечение, ЗОЖ	"Врачи нашли новое лекарство от рака"
Образование	📚	Школы, вузы, обучение, экзамены	"Министерство образования изменило правила ЕГЭ"
Культура	🎭	Искусство, музыка, кино, литература	"В Эрмитаже открылась выставка Ван Гога"
Экономика	💰	Финансы, бизнес, рынки, кризисы	"Цены на нефть выросли на 10%"
Путешествия	✈️	Туризм, страны, достопримечательности	"Турция стала самым популярным курортом"
Развлечения	🎬	Фильмы, сериалы, игры, шоу	"Вышел новый сезон Игры престолов"
Погода	☀️	Климат, температура, природные явления	"Завтра ожидается снегопад и метель"
Происшествия	🚨	Аварии, катастрофы, криминал	"В Москве произошло серьёзное ДТП"

🧠 Используемая модель

Модель: facebook/bart-large-mnli

Почему выбрана эта модель:

1. Zero-shot классификация - не требует предварительного обучения на конкретных темах
2. Мультиязычная поддержка - работает с русским и английским языками
3. Высокая точность - показывает хорошие результаты на разнообразных текстах
4. Гибкость - можно легко добавлять новые темы без переобучения
5. Оптимизирована для CPU - достаточно быстрая для веб-приложения

Принцип работы:

Модель использует технику zero-shot классификации, что означает:

• Не нужен предварительно размеченный датасет
• Можно задавать любые темы на лету
• Модель определяет, насколько текст соответствует каждой теме

📊 Примеры работы

Пример 1: Спортивный текст

Входной текст: