我是这个领域的新手。20 多年以来的开发人员，但从未用 ML、DL 和 NLP 做过任何事情（教程除外）。虽然我已经阅读了大量关于这项技术的文章和教程，但我开始弄清楚使其工作所需的步骤和条件。

我想要实现的（我的问题的原因）是这样的：

我有一个文件，其中包含我和另一个人之间大约 2 年的对话。我想提取与同一主题相关的消息序列。我的意思是消息在时间上是连续的，并且属于关于某个主题的同一对话。

我的目标是提取我们花在每个主题上的时间。

有没有为这项任务训练过的模型？（这当然是显而易见的问题：-P）

或者，有什么模型可以作为开始训练的基础吗？

或者，如果没有，我自己训练一个人的好方法（步骤、技术、软件）应该是什么？（如果可能的话）。

谢谢

更新

感谢 Erwan 的回应，我做了更多的研究。我不确定 Erwan 的答案是否可以被认为是一个明确的答案，但毫无疑问，它为我指明了一个可能的研究方向“消除我眼前的部分迷雾”。因为，在我的情况下，我没有标记数据集来训练监督模型，所以我开始搜索 LDA 解决方案（正如你隐含的建议，也基于我发现的几个教程）并找到了一些：gensim的LDA 模型和并行化LDA模型；lda-项目；我还发现了一个 Java 实现，它是MALLET LDA 类ecc ...

我也开始浏览诸如 Word2Vec、FastText（和家庭——我猜）之类的论点，即使我不确定这些软件与 LDA 相比的目的是什么，可能是因为我对 LDA 的信息没有清晰和完整的看法与其他模型相比，模型可以“捕获”。

虽然第一步是找到一个“本地”支持意大利语的软件，但我发现spaCy是一个提供词形还原、标记化、ecc 的工具......并且似乎有为其他主题检测软件准备文本的目的（即使它似乎它有自己的类，按名称猜测，TextCategorizer即使由于缺乏完整的文档和示例，我无法弄清楚如何使用它）。

所以我的猜测是我可以使用 spaCy 准备要输入到 gensim 的 LDA（或任何其他实现）的文本。

对于数据可视化，我找到了 pyLDAvis。