Finbert FOMC

🚀 FinBERT-FOMC

FinBERT-FOMC是一個基於對聯邦公開市場委員會（FOMC）會議紀要進行增強情感分析的語言模型。該模型是在ProsusAI/finbert基礎上微調得到的版本。它能更精準地分析複雜金融文本的情感傾向，為金融領域的決策和分析提供有力支持。

🚀 快速開始

FinBERT-FOMC是在2006年1月至2023年2月的FOMC會議紀要數據上微調的FinBERT模型，使用情感焦點（SF）方法對複雜句子進行了重新標註。對於更復雜的金融句子，它比原始的FinBERT更準確。

輸入：
一段金融文本。

輸出：
積極、消極、中性

💻 使用示例

基礎用法

from transformers import BertTokenizer, BertForSequenceClassification, pipeline

finbert = BertForSequenceClassification.from_pretrained('ZiweiChen/FinBERT-FOMC',num_labels=3)
tokenizer = BertTokenizer.from_pretrained('ZiweiChen/FinBERT-FOMC')
finbert_fomc = pipeline("text-classification", model=finbert, tokenizer=tokenizer)

sentences = ["Spending on cars and light trucks increased somewhat in July after a lackluster pace in the second quarter but apparently weakened in August"]
results = finbert_fomc(sentences)
print(results)
# [{'label': 'Negative', 'score': 0.994509756565094}]

如需更多詳細信息，請訪問：https://github.com/Incredible88/FinBERT-FOMC
論文地址：https://doi.org/10.1145/3604237.3626843