Industry Bert Sec V0.1

🚀 行业BERT金融模型v0.1

industry-bert-sec-v0.1是一系列行业微调的句子嵌入模型的一部分，该模型基于BERT架构，在金融和监管领域表现出色，能为相关领域的文本提供高质量的嵌入表示。

🚀 快速开始

使用以下代码加载模型：

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("llmware/industry-bert-sec-v0.1")
model = AutoModel.from_pretrained("llmware/industry-bert-sec-v0.1")

✨ 主要特性

• 行业针对性强：针对金融和监管领域进行微调，能更好地处理该领域的文本。
• 高质量嵌入：基于BERT架构，提供768维的句子嵌入，可作为金融和监管领域嵌入的“即插即用”替代品。
• 数据丰富：在广泛的美国证券交易委员会（SEC）公开监管文件及相关文档上进行训练。

📦 安装指南

使用transformers库加载模型，确保已安装该库：

pip install transformers

📚 详细文档

模型描述

industry-bert-sec-v0.1是一个基于BERT的768参数句子嵌入模型，经过领域微调，旨在作为金融和监管领域嵌入的“即插即用”替代品。该模型在广泛的美国证券交易委员会（SEC）公开监管文件及相关文档上进行训练。

• 开发者：llmware
• 模型类型：基于BERT的行业领域微调句子嵌入架构
• 语言：英语
• 许可证：Apache 2.0
• 微调基础模型：基于BERT的模型，微调方法如下所述。

模型使用

使用transformers库加载模型和分词器：

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("llmware/industry-bert-sec-v0.1")
model = AutoModel.from_pretrained("llmware/industry-bert-sec-v0.1")

偏差、风险和局限性

这是一个语义嵌入模型，在公共领域的SEC文件和监管文档上进行微调。如果在该领域之外使用，结果可能会有所不同，并且像任何嵌入模型一样，向量嵌入空间中始终存在异常的可能性。数据集中没有针对安全或减轻潜在偏差采取具体的保障措施。

训练过程

该模型使用自定义的自监督程序和自定义数据集进行微调，该数据集将对比技术与样本中的随机失真注入相结合。该方法主要源自、改编并受到以下三篇研究论文的启发：TSDAE（Reimers）、DeClutr（Giorgi）和Contrastive Tension（Carlsson）。

引用

用于训练模型的自定义自监督训练协议源自并受到以下论文的启发：

@article{wang-2021-TSDAE,
    title = "TSDAE: Using Transformer-based Sequential Denoising Auto-Encoderfor Unsupervised Sentence Embedding Learning",
    author = "Wang, Kexin and Reimers, Nils and  Gurevych, Iryna", 
    journal= "arXiv preprint arXiv:2104.06979",
    month = "4",
    year = "2021",
    url = "https://arxiv.org/abs/2104.06979",
}

@inproceedings{giorgi-etal-2021-declutr,
    title        = {{D}e{CLUTR}: Deep Contrastive Learning for Unsupervised Textual Representations},
    author       = {Giorgi, John  and Nitski, Osvald  and Wang, Bo  and Bader, Gary},
    year         = 2021,
    month        = aug,
    booktitle    = {Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers)},
    publisher    = {Association for Computational Linguistics},
    address      = {Online},
    pages        = {879--895},
    doi          = {10.18653/v1/2021.acl-long.72},
    url          = {https://aclanthology.org/2021.acl-long.72}
}

@article{Carlsson-2021-CT,
      title =  {Semantic Re-tuning with Contrastive Tension},
      author=  {Fredrik Carlsson, Amaru Cuba Gyllensten, Evangelia Gogoulou, Erik Ylipää Hellqvist, Magnus Sahlgren},
        year=  {2021},
        month= {"January"}
    Published: 12 Jan 2021, Last Modified: 05 May 2023
}

模型卡片联系人

Darren Oberst @ llmware

📄 许可证

本模型使用Apache 2.0许可证。