Roberta Base Stocktwits Finetuned

🚀 株関連コメントのセンチメント推論モデル

このモデルは、株式に関するコメントのセンチメントを推論するためのものです。Stocktwitsのコメントデータを用いてfine-tuningされ、個別投資家の意見を反映したセンチメント分析が可能です。

🚀 クイックスタート

このモデルは、Stocktwitsから収集した3200000件のコメントを使用して、roberta-baseモデルをfine-tuningしたものです。ユーザーがラベル付けした 'Bullish' または 'Bearish' のタグを使用して訓練されています。

推論APIで、個別投資家が投資フォーラムで使用するような表現を試してみてください。例えば、'red' や 'green' を試してみましょう。

GitHub上のコード

✨ 主な機能

• Stocktwitsのコメントデータを用いたfine-tuning
• 個別投資家の意見を反映したセンチメント分析
• 推論APIを使用した簡単なテストが可能

📦 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 pandas emoji

💻 使用例

基本的な使用法

from transformers import RobertaForSequenceClassification, RobertaTokenizer
from transformers import pipeline
import pandas as pd
import emoji
import re

# the model was trained upon below preprocessing
def process_text(texts):

  # remove URLs
  texts = re.sub(r'https?://\S+', "", texts)
  texts = re.sub(r'www.\S+', "", texts)
  # remove '
  texts = texts.replace(''', "'")
  # remove symbol names
  texts = re.sub(r'(\#)(\S+)', r'hashtag_\2', texts)
  texts = re.sub(r'(\$)([A-Za-z]+)', r'cashtag_\2', texts)
  # remove usernames
  texts = re.sub(r'(\@)(\S+)', r'mention_\2', texts)
  # demojize
  texts = emoji.demojize(texts, delimiters=("", " "))

  return texts.strip()
  
tokenizer_loaded = RobertaTokenizer.from_pretrained('zhayunduo/roberta-base-stocktwits-finetuned')
model_loaded = RobertaForSequenceClassification.from_pretrained('zhayunduo/roberta-base-stocktwits-finetuned')

nlp = pipeline("text-classification", model=model_loaded, tokenizer=tokenizer_loaded)

sentences = pd.Series(['just buy','just sell it',
                      'entity rocket to the sky!',
                      'go down','even though it is going up, I still think it will not keep this trend in the near future'])
# sentences = list(sentences.apply(process_text))  # if input text contains https, @ or # or $ symbols, better apply preprocess to get a more accurate result
sentences = list(sentences)
results = nlp(sentences)
print(results) # 2 labels, label 0 is bearish, label 1 is bullish

🔧 技術詳細

訓練情報

• バッチサイズ: 32
• 学習率: 2e-5

📄 ライセンス

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。