Longformer For Financial Sentiment Analysis

🚀 SeanD103/Longformer_for_Financial_Sentiment_Analysis

このモデルは、金融テキストの感情分析に特化したLongformer_for_financial_sentiment_analysisです。Allen AIのLongformerをベースに、金融関連のデータセットを用いてファインチューニングされています。

🚀 クイックスタート

このモデルは金融テキストの感情分析に使用できます。ニュース記事や収益報告書、財務諸表などのテキストの感情（ポジティブ、ニュートラル、ネガティブ）を分類することができます。

✨ 主な機能

• 長文対応：Longformerの特性を活かし、最大4096トークンの長文を効率的に処理できます。
• 高精度分類：金融関連のデータセットでファインチューニングされているため、金融テキストの感情分析に高い精度を発揮します。

📦 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

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# Load the tokenizer and model
model_path = "SeanD103/Longformer_for_financial_sentiment_analysis"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForSequenceClassification.from_pretrained(model_path)

# Example input
example_text = "The company's quarterly earnings exceeded expectations, leading to a rise in stock prices."

# Tokenize and get predictions
inputs = tokenizer(example_text, return_tensors="pt", truncation=True, padding=True)
outputs = model(**inputs)
predictions = outputs.logits.argmax(-1)

# Map predictions to labels
sentiment_mapping = {0: "Negative", 1: "Neutral", 2: "Positive"}
sentiment = sentiment_mapping[predictions.item()]
print(f'Input text: {example_text} \nEstimated sentiment: {sentiment}')

📚 ドキュメント

モデル詳細

学習データ

このモデルは、金融ニュースから選ばれた4840文の文書で構成されるFinancial PhraseBankデータセットを使用してファインチューニングされています。各文書には感情ラベルが付与されています。

🔧 技術詳細

このモデルは、Allen AIによって開発されたLongformerアーキテクチャをベースに構築されています。Longformerは、長文の文書を効率的に処理するためのトランスフォーマーベースのモデルです。このモデルは、金融関連のテキストの感情分析に特化するために、Financial PhraseBankデータセットを使用してファインチューニングされています。

📄 ライセンス

このモデルはMITライセンスの下で公開されています。

謝辞

このモデルは、Allen AIによって開発されたLongformerアーキテクチャに基づいており、MaloらによるFinancial PhraseBankデータセットを使用してファインチューニングされています。