これはGemma 4 Challenge: Gemma 4で構築する
のサブミットです。 私が構築したもの
銀行口座明細分析ツール — 3～6ヶ月の明細をアップロードし、支出パターンの分解、見逃していたサブスクリプション、異常、コスト削減のための具体的な提案を得ます.
デモ
コード
アベルコードキャンバス
/
my-bank-app
銀行口座明細分析ツール — 3–6ヶ月の明細をアップロードし、支出パターンの分解、見逃していたサブスクリプション、異常、コスト削減のための具体的な提案を得ます。
markdown
💰 銀行口座明細分析ツール
銀行の領収書を3～6ヶ月分提出し、以下の詳細な分析を受けましょう：
- 📊 支出パターン – お金が実際にどこに行くのか
- 🔁 見逃してしまったサブスクリプション – 必要でない定期的な料金
-
⚠️ 異常 – 通常でないまたは予期せぬ取引 - ✂️ 具体的提案 – コスト削減のための実行可能なアドバイス
Powered by Gemma 4 26B A4B Hugging Faceを通じて指示調整されたモデル
📋 前提条件
始める前に、ローカルマシンに以下がインストールされていることを確認してください：
- Python 3.9 以降 (推奨: 3.10)
- Git – リポジトリをクローンする
- Hugging Face アカウント (無料) でユーザーアクセストークン こちらで作成
- 最低16GBのRAM (32GBが推奨)
- 12GB以上のVRAMを備えたGPU (オプションですが高速推論のために強く推奨されます) – GPUがない場合、アプリはCPUにフォールバックします（26Bモデルの場合は非常に遅くなります)
注意： 26B A4Bモデルは大きいですが、Mixture-of-Expertsを使用して計算を削減します…
Gemma 4をどのように使用したか
私の銀行口座明細分析ツールには、Hugging Face上でGemma 4 26B A4B（指示調整バリエーション）を使用しました。標準的なサイズ（E2B、E4B、または31B Dense）のものではありませんが、この26Bパラメータモデルはタスクに対して理想的なバランスを取っています：
長いコンテキストの処理 – 3～6ヶ月以上の銀行口座明細には数百件の取引が含まれます。モデルの大きなコンテキストウィンドウにより、全ての明細をチャンク分割せずに処理でき、時系列的なパターンを保護できます。
構造化抽出 – Gemma 4の指示調整は、半構造化データ（PDF/CSVの記述）を解析し、支出、サブスクリプション、異常を一貫したJSONの分解形式で出力することに優れています。
提案の理由 – 26Bのサイズは、密集型の31Bモデルの遅延やコストなしに、コスト削減の機会（例：重複サブスクリプション、高額な口座、不規則な料金）を特定するのに十分な推論能力を提供します。
A4B 效率 – 専門家の混合 (A4B) アーキテクチャは、トークンあたりの計算量を削減し、ローカルで実行するか、無料の Hugging Face T4 GPU で実行可能にします.
簡単に言えば、Gemma 4 は全てのパイプラインを駆動します：文のパース → 支出のカテゴライズ → 異常検知 → 行動可能な推奨。
