Fintwitbert Sentiment

🚀 FinTwitBERT-sentiment

FinTwitBERT-sentiment 是一個經過微調的模型，用於對金融推文的情感進行分類。它以 FinTwitBERT 為基礎模型，該基礎模型在 1000 萬條金融推文上進行了預訓練。這種方式確保了 FinTwitBERT-sentiment 接觸到了足夠多的金融推文，與新聞標題等其他金融文本相比，這些推文具有非正式的特點。因此，該模型在社交媒體上常見的非正式金融文本上表現出色。

🚀 快速開始

FinTwitBERT-sentiment 旨在對金融推文或其他金融社交媒體文本進行分類。

✨ 主要特性

• 專業適配：基於在 1000 萬條金融推文上預訓練的 FinTwitBERT 模型，專門針對金融推文情感分類進行微調。
• 效果良好：對於社交媒體上非正式的金融文本，能實現較好的分類效果。

📦 安裝指南

文檔未提及具體安裝步驟，可參考 Hugging Face 相關庫的安裝說明。

💻 使用示例

基礎用法

from transformers import pipeline

# Create a sentiment analysis pipeline
pipe = pipeline(
    "sentiment-analysis",
    model="StephanAkkerman/FinTwitBERT-sentiment",
)

# Get the predicted sentiment
print(pipe("Nice 9% pre market move for $para, pump my calls Uncle Buffett 🤑"))

📚 詳細文檔

數據集

FinTwitBERT-sentiment 在兩個數據集上進行了訓練。一個是多個金融推文數據集的集合，另一個是由前者創建的合成數據集。

• TimKoornstra/financial-tweets-sentiment：包含 38,091 條人工標註的推文。
• TimKoornstra/synthetic-financial-tweets-sentiment：包含 1,428,771 條合成推文。

更多信息

如需全面瞭解該模型，包括訓練設置和分析，請訪問 FinTwitBERT GitHub 倉庫。

引用與作者

如果您在研究中使用了 FinTwitBERT 或 FinTwitBERT-sentiment，請按以下方式引用我們，兩位作者對這項工作貢獻相同：

@misc{FinTwitBERT,
  author = {Stephan Akkerman, Tim Koornstra},
  title = {FinTwitBERT: A Specialized Language Model for Financial Tweets},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/TimKoornstra/FinTwitBERT}}
}

此外，如果您使用了情感分類器，請引用：

@misc{FinTwitBERT-sentiment,
  author = {Stephan Akkerman, Tim Koornstra},
  title = {FinTwitBERT-sentiment: A Sentiment Classifier for Financial Tweets},
  year = {2023},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/StephanAkkerman/FinTwitBERT-sentiment}}
}

📄 許可證

本項目採用 MIT 許可證。詳情請參閱 LICENSE 文件。