Cryptobert

🚀 CryptoBERT

CryptoBERT是基於ProsusAI/finbert在自定義加密貨幣市場情緒數據集上進行微調的模型，可用於分析與加密貨幣市場相關文本的情緒傾向，判斷其為積極或消極。

🚀 快速開始

以下是使用CryptoBERT進行情感分析的示例代碼：

from transformers import BertTokenizer, BertForSequenceClassification
from transformers import pipeline

tokenizer = BertTokenizer.from_pretrained("kk08/CryptoBERT")
model = BertForSequenceClassification.from_pretrained("kk08/CryptoBERT")

classifier = pipeline("sentiment-analysis", model=model, tokenizer=tokenizer)
text = "Bitcoin (BTC) touches $29k, Ethereum (ETH) Set To Explode, RenQ Finance (RENQ) Crosses Massive Milestone"
result = classifier(text)
print(result)

運行上述代碼後，輸出結果如下：

[{'label': 'LABEL_1', 'score': 0.9678454399108887}]

✨ 主要特性

• 微調優化：基於預訓練的NLP模型ProsusAI/finbert進行微調，以適應加密貨幣市場情緒分析任務。
• 情感分類：能夠對給定的與加密貨幣市場相關的文本進行分類，判斷其情感傾向為積極（LABEL_1）或消極（LABEL_0）。

📚 詳細文檔

模型描述

本模型對ProsusAI/finbert進行了微調。[ProsusAI/finbert]是一個預訓練的NLP模型，用於分析金融文本的情感。CryptoBERT模型通過在自定義加密貨幣情緒數據上進行下游任務訓練，來預測給定的與加密貨幣市場相關的文本是積極的（LABEL_1）還是消極的（LABEL_0）。

預期用途與侷限性

該模型在與加密貨幣相關的數據上表現良好。主要侷限性在於微調僅使用了少量的語料數據。

訓練超參數

訓練過程中使用了以下超參數：

訓練結果

框架版本

• Transformers 4.28.0
• Pytorch 2.0.0+cu118
• Datasets 2.11.0
• Tokenizers 0.13.3