Emtract Distilbert Base Uncased Emotion

🚀 EmTract (DistilBERT-Base-Uncased)

金融ソーシャルメディアのコンテンツにおける感情検出に特化したモデルです。特定のデータセットでファインチューニングされ、高い精度で感情を検出できます。

🚀 クイックスタート

このモデルは、金融ソーシャルメディアのコンテンツにおける感情検出に特化しています。以下の説明を参考に、モデルの詳細や使用方法をご確認ください。

✨ 主な機能

• 金融ソーシャルメディアのコンテンツにおける感情検出に特化したモデルです。
• 7つの感情カテゴリー（中立、幸福、悲しみ、怒り、嫌悪、驚き、恐怖）にラベル付けされた約25万件のテキストでファインチューニングされています。
• StockTwitsの1万件の手動タグ付けされたメッセージに適応されています。

📦 インストール

インストールに関する具体的な手順は提供されていません。

📚 ドキュメント

モデルの説明

emtract-distilbert-base-uncased-emotion は、unify-emotion-datasets の組み合わせでファインチューニングされた特殊なモデルです。このデータセットには、中立、幸福、悲しみ、怒り、嫌悪、驚き、恐怖の7つの感情カテゴリーにラベル付けされた約25万件のテキストが含まれています。その後、このモデルはStockTwitsからの1万件の手動タグ付けされたメッセージの小さなセットに適応されました。このモデルは、StockTwitsなどの金融ソーシャルメディアのコンテンツにおける感情検出に優れているように設計されています。

モデルのパラメータは以下の通りです：シーケンス長64、学習率2e-5、バッチサイズ128、8エポックでトレーニング。モデルを推論に使用する手順については、同梱のInference.ipynbノートブックを参照してください。

トレーニングデータ

トレーニングデータの最初の部分は、こちら で入手可能なUnify Emotion Datasetsから取得されました。2番目の部分は、ソーシャルメディアから取得し、手動でタグ付けしました。こちら で入手可能です。

評価指標

このモデルは、以下の指標を使用して評価されました：

• 正解率
• 適合率
• 再現率
• F1スコア

研究

金融ソーシャルメディアからの感情抽出に関する基礎研究は、arxiv と SSRN で見つけることができます。

引用

このモデルを使用する場合は、以下を引用してください：

Vamossy, Domonkos F., and Rolf Skog. "EmTract: Extracting Emotions from Social Media." Available at SSRN 3975884 (2023).

BibTex引用:

@article{vamossy2023emtract,
  title={EmTract: Extracting Emotions from Social Media},
  author={Vamossy, Domonkos F and Skog, Rolf},
  journal={Available at SSRN 3975884},
  year={2023}
}

EmTractを使用した研究

Social Media Emotions and IPO Returns

Investor Emotions and Earnings Announcements

📄 ライセンス

このプロジェクトは、MITライセンスの条件の下でライセンスされています。