Stock News Distilbert

🚀 微調版DistilBERT模型用於股票新聞分類

本DistilBERT模型使用Kern AI refinery的HuggingFace適配器，在50000篇股票新聞文章上進行了微調。這些文章包含標題和摘要。微調過程使用了單塊NVIDIA K80顯卡，耗時約四小時。

如果您對該模型有任何疑問，歡迎加入我們的Discord社區：https://discord.gg/MdZyqSxKbe

DistilBERT是BERT的一個更小、更快、更輕量級的版本。它通過蒸餾BERT基礎模型進行訓練，參數比bert - base - uncased少40%。在GLUE語言理解基準測試中，它的運行速度快60%，同時保留了BERT超過95%的性能。DistilBERT沒有標記類型嵌入和池化器，並且只保留了Google BERT一半的層。

🚀 快速開始

若要使用該模型，您需要安裝HuggingFace Transformers庫：

pip install transformers

然後，您可以從HuggingFace Hub加載模型和分詞器：

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("KernAI/stock-news-distilbert")
tokenizer = AutoTokenizer.from_pretrained("KernAI/stock-news-distilbert")

若要對單個句子或句子對進行分類，您可以使用HuggingFace Pipeline API：

from transformers import pipeline

classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)
result = classifier("This is a positive sentence.")
print(result)
# [{'label': 'POSITIVE', 'score': 0.9998656511306763}]

✨ 主要特性

• 該模型能夠處理各種文本分類任務，尤其擅長股票和金融新聞的情感分類。
• 模型的輸出為“積極”“中性”和“消極”三個類別，以及模型對每個類別的置信度得分。
• 該模型在由Kern AI精心策劃並在其工具refinery中標記的自定義數據集上進行了微調。
• 該模型目前由PyTorch框架支持，可使用HuggingFace Pipeline API輕鬆部署到各種平臺。

📄 許可證

本項目採用MIT許可證。