Emtract Distilbert Base Uncased Emotion

🚀 EmTract (DistilBERT-Base-Uncased)

EmTract (DistilBERT-Base-Uncased) 是一個專門用於金融社交媒體內容情感檢測的模型。它基於 DistilBERT 架構，在多個情感數據集上進行微調，能夠準確識別金融社交消息中的情感類別。

🚀 快速開始

若要了解如何使用該模型進行推理，請參考附帶的 Inference.ipynb 筆記本。

✨ 主要特性

• 多情感類別識別：能夠識別七種情感類別，包括中性、快樂、悲傷、憤怒、厭惡、驚訝和恐懼。
• 金融社交內容適配：針對金融社交媒體內容進行了優化，如 StockTwits 上的消息。
• 多數據集訓練：結合了多個情感數據集進行訓練，包括約 250K 條標註文本和 10K 條手動標註的 StockTwits 消息。

📦 安裝指南

文檔未提供具體安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

模型描述

emtract-distilbert-base-uncased-emotion 是一個經過微調的專業模型。它首先在 unify-emotion-datasets 上進行訓練，該數據集包含約 250K 條標註文本，涵蓋七種情感類別。之後，模型在 10K 條手動標註的 StockTwits 消息上進行了適配。該模型旨在出色地完成金融社交媒體內容（如 StockTwits 上的內容）的情感檢測任務。

模型參數如下：

• 序列長度：64
• 學習率：2e - 5
• 批量大小：128
• 訓練輪數：8 輪

訓練數據

訓練數據分為兩部分：

• 第一部分來自 Unify Emotion Datasets。
• 第二部分來自社交媒體，並經過手動標註，可在 這裡 獲取。

評估指標

模型使用以下指標進行評估：

• 準確率
• 精確率
• 召回率
• F1 分數

研究

關於從金融社交媒體中提取情感的基礎研究可在以下鏈接找到：

• arxiv
• SSRN

引用

如果您使用此模型，請引用以下內容：

Vamossy, Domonkos F., and Rolf Skog. "EmTract: Extracting Emotions from Social Media." Available at SSRN 3975884 (2023).

BibTex 引用格式如下：

@article{vamossy2023emtract,
  title={EmTract: Extracting Emotions from Social Media},
  author={Vamossy, Domonkos F and Skog, Rolf},
  journal={Available at SSRN 3975884},
  year={2023}
}

使用 EmTract 的研究

• Social Media Emotions and IPO Returns
• Investor Emotions and Earnings Announcements

🔧 技術細節

文檔未提供具體的技術實現細節，故跳過此章節。

📄 許可證

本項目遵循 MIT 許可證的條款。