Finance Sentiment Classification

🚀 Deberta金融情感分類模型

本項目使用基於亞馬遜多評論數據集的超100萬條評論訓練的Deberta模型，並在4個帶有情感標籤的金融數據集上進行微調。該模型可有效用於金融領域的情感分類任務，為金融市場的情緒分析提供支持。

📦 安裝指南

由於文檔未提及具體安裝步驟，此部分暫不展示。

✨ 主要特性

• 多數據集訓練：模型在4個金融數據集上進行微調，包括financial_phrasebank、chiapudding/kaggle-financial-sentiment、zeroshot/twitter-financial-news-sentiment和FinanceInc/auditor_sentiment，確保對金融領域文本有良好的適應性。
• 情感分類能力：能夠對金融文本進行情感分類，輸出消極、中性和積極三種情感的概率。

💻 使用示例

基礎用法

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

def get_sentiment(sentences):
    bert_dict = {}
    vectors = tokenizer(sentences, padding = True, max_length = 65, return_tensors='pt').to(device)
    outputs = bert_model(**vectors).logits
    probs = torch.nn.functional.softmax(outputs, dim = 1)
    for prob in probs:
        bert_dict['neg'] = round(prob[0].item(), 3)
        bert_dict['neu'] = round(prob[1].item(), 3)
        bert_dict['pos'] = round(prob[2].item(), 3)
        print (bert_dict)

MODEL_NAME = 'RashidNLP/Finance-Sentiment-Classification'
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

bert_model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME, num_labels = 3).to(device)
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)

get_sentiment(["The stock market will struggle until debt ceiling is increased", "ChatGPT is boosting Microsoft's search engine market share"])

高級用法

文檔未提及高級用法相關代碼，此部分暫不展示。

📄 許可證

本項目採用MIT許可證。

🔧 技術細節

文檔未提供足夠詳細的技術實現細節，此部分暫不展示。

📚 詳細文檔

數據集信息