Finance Sentiment Classification

🚀 Debertaによる金融センチメント分類

このプロジェクトでは、Amazonのマルチレビューデータセットの100万件以上のレビューで学習させたDebertaモデルを使用し、センチメントラベルで分類された4つの金融データセットで微調整しています。使用したデータセットは以下の通りです。

1. financial_phrasebank
2. chiapudding/kaggle-financial-sentiment
3. zeroshot/twitter-financial-news-sentiment
4. FinanceInc/auditor_sentiment

🚀 クイックスタート

このモデルは、金融関連の文章のセンチメント分類に特化したDebertaモデルです。Amazonのレビューデータで事前学習し、金融データセットで微調整することで、高い精度で金融文章のネガティブ、中立、ポジティブなセンチメントを分類できます。

✨ 主な機能

• Amazonの大規模データセットで事前学習されたDebertaモデルを使用。
• 4つの金融データセットで微調整され、金融関連の文章に特化したセンチメント分類が可能。
• ネガティブ、中立、ポジティブの3クラスのセンチメント分類が可能。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers torch

💻 使用例

基本的な使用法

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

def get_sentiment(sentences):
    bert_dict = {}
    vectors = tokenizer(sentences, padding = True, max_length = 65, return_tensors='pt').to(device)
    outputs = bert_model(**vectors).logits
    probs = torch.nn.functional.softmax(outputs, dim = 1)
    for prob in probs:
        bert_dict['neg'] = round(prob[0].item(), 3)
        bert_dict['neu'] = round(prob[1].item(), 3)
        bert_dict['pos'] = round(prob[2].item(), 3)
        print (bert_dict)

MODEL_NAME = 'RashidNLP/Finance-Sentiment-Classification'
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

bert_model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME, num_labels = 3).to(device)
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)

get_sentiment(["The stock market will struggle until debt ceiling is increased", "ChatGPT is boosting Microsoft's search engine market share"])

📚 ドキュメント

データセット

使用したデータセットは以下の通りです。

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。

📄 ライセンス

MIT License