Finbert Tone

🚀 FinBERT - 金融情感分析模型

FinBERT是一個在金融通信文本上預訓練的BERT模型，旨在推動金融自然語言處理（NLP）的研究與實踐。它在以下三個金融通信語料庫上進行訓練，語料庫總大小達49億個詞元：

• 公司報告10 - K和10 - Q：25億個詞元
• 財報電話會議記錄：13億個詞元
• 分析師報告：11億個詞元

有關FinBERT的更多技術細節：點擊鏈接

本次發佈的finbert - tone模型是FinBERT在10000條來自分析師報告且經過人工標註（積極、消極、中性）的句子上微調得到的。該模型在金融情感分析任務中表現出色。如果您對使用FinBERT進行金融情感分析感興趣，不妨一試。

如果您在學術研究中使用了該模型，請引用以下論文：

Huang, Allen H., Hui Wang, and Yi Yang. "FinBERT: A Large Language Model for Extracting Information from Financial Text." Contemporary Accounting Research (2022).

🚀 快速開始

您可以使用Transformers庫的pipeline進行情感分析。

💻 使用示例

基礎用法

from transformers import BertTokenizer, BertForSequenceClassification
from transformers import pipeline

finbert = BertForSequenceClassification.from_pretrained('yiyanghkust/finbert-tone',num_labels=3)
tokenizer = BertTokenizer.from_pretrained('yiyanghkust/finbert-tone')

nlp = pipeline("sentiment-analysis", model=finbert, tokenizer=tokenizer)

sentences = ["there is a shortage of capital, and we need extra financing",  
             "growth is strong and we have plenty of liquidity", 
             "there are doubts about our finances", 
             "profits are flat"]
results = nlp(sentences)
print(results)  #LABEL_0: neutral; LABEL_1: positive; LABEL_2: negative