Roberta Ticker

🚀 roberta-ticker：基於RoBERTa微調的金融股票代碼檢測模型

本模型專為識別文本中的股票代碼而設計，它能精準地從文本里找出金融相關的股票代碼，為金融文本處理提供了有力的支持。

🚀 快速開始

✨ 主要特性

• 該模型是從RoBERTa微調而來，專門用於檢測文本中的金融股票代碼。
• 基於Kaggle上特定數據集轉換後的數據進行訓練，具有較好的泛化能力。

📦 安裝指南

文檔未提及具體安裝步驟，如需使用可參考Hugging Face相關庫的安裝方式。

💻 使用示例

基礎用法

# Load roberta-ticker and its sub-word tokenizer :
from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("Jean-Baptiste/roberta-ticker")
model = AutoModelForTokenClassification.from_pretrained("Jean-Baptiste/roberta-ticker")

# Process text sample 
from transformers import pipeline

nlp = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="simple")

nlp("I am going to buy 100 shares of cake tomorrow")
[{'entity_group': 'TICKER',
  'score': 0.9612462520599365,
  'word': ' cake',
  'start': 32,
  'end': 36}]

nlp("I am going to eat a cake tomorrow")
[]

📚 詳細文檔

模型介紹

這是一個專門設計用於識別文本中股票代碼的模型。該模型基於以下Kaggle數據集轉換後的數據集進行訓練： https://www.kaggle.com/omermetinn/tweets-about-the-top-companies-from-2015-to-2020

🔧 技術細節

模型性能

precision: 0.914157
recall: 0.788824
f1: 0.846878

這些指標展示了模型在檢測股票代碼任務上的性能表現，精確率、召回率和F1值都處於較好的水平。