Deberta V3 Base Finetuned Finance Text Classification

🚀 微調金融文本分類的DeBERTa-v3-base模型

本模型是在sentence_50Agree 金融短語庫 + Kaggle數據集上對 microsoft/deberta-v3-base 進行微調的版本。該數據集包含4840條按情感（負面、中性、正面）分類的金融新聞。Kaggle數據集包含新冠疫情相關的情感數據，可在此處找到：sentiment-classification-selflabel-dataset。

該模型在評估集上取得了以下結果：

• 損失值：0.7687
• 準確率：0.8913
• F1值：0.8912
• 精確率：0.8927
• 召回率：0.8913

🚀 快速開始

本模型是基於特定金融數據集微調的情感分類模型，可用於金融新聞等文本的情感分析。

✨ 主要特性

• 微調優化：基於 microsoft/deberta-v3-base 模型在金融領域數據集上進行微調，更適配金融文本情感分類任務。
• 效果良好：在評估集上取得了較高的準確率、F1值等指標，如準確率達到 0.8913。

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：2e-05
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：42
• 優化器：Adam，其中 betas=(0.9, 0.999)，epsilon=1e-08
• 學習率調度器類型：線性
• 訓練輪數：15
• 混合精度訓練：Native AMP

訓練結果

框架版本

• Transformers 4.19.2
• Pytorch 1.11.0+cu113
• Datasets 2.2.2
• Tokenizers 0.12.1

📄 許可證

本項目採用 MIT 許可證。