/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
20 июн 2022

cryptobert

Классификация текстаТекст → label3 профессии

CryptoBERT классифицирует англоязычные публикации о криптовалютах по тональности: медвежьей, нейтральной или бычьей.

472 тыс.скачиваний за 30 дней195лайковвеса обновлены26 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CryptoBERT — англоязычная модель обработки текста, созданная ElKulako для анализа публикаций и сообщений в социальных сетях о криптовалютах. За основу взята vinai/bertweet-base: модель дополнительно обучили на корпусе из более чем 3,2 млн криптовалютных публикаций, а классификационную голову дообучили на 2 млн размеченных постов StockTwits.

Модель определяет тональность публикации относительно криптовалюты и относит её к одному из трёх классов: Bearish, Neutral или Bullish. Она подходит для анализа настроений в сообщениях StockTwits и похожих социальных источниках, например для мониторинга рыночных настроений. Архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров. Максимальный технический контекст составляет 514 токенов, однако в README рекомендуется ограничивать последовательность 128 токенами.

Модель рассчитана на англоязычные сообщения о криптовалютах; её обучение охватывало StockTwits, Telegram, Reddit и Twitter. Лицензия — MIT. Результаты отражают тональность текста, а не достоверность утверждений или будущую динамику рынка.

Сценарии применения

  • определение тональности постов о Bitcoin и других криптовалютах
  • мониторинг бычьих и медвежьих настроений в StockTwits
  • анализ тональности криптовалютных сообщений из социальных сетей

Ограничения

Модель обучалась на социальных публикациях о криптовалютах и не предназначена для проверки достоверности сообщений или прогнозирования рынка. Хотя технически она обрабатывает до 514 токенов, README рекомендует не превышать 128 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

For academic reference, cite the following paper: https://ieeexplore.ieee.org/document/10223689

CryptoBERT

CryptoBERT is a pre-trained NLP model to analyse the language and sentiments of cryptocurrency-related social media posts and messages. It was built by further training the vinai's bertweet-base language model on the cryptocurrency domain, using a corpus of over 3.2M unique cryptocurrency-related social media posts. (A research paper with more details will follow soon.)

Classification Training

The model was trained on the following labels: "Bearish" : 0, "Neutral": 1, "Bullish": 2

CryptoBERT's sentiment classification head was fine-tuned on a balanced dataset of 2M labelled StockTwits posts, sampled from ElKulako/stocktwits-crypto.

CryptoBERT was trained with a max sequence length of 128. Technically, it can handle sequences of up to 514 tokens, however, going beyond 128 is not recommended.

Classification Example

from transformers import TextClassificationPipeline, AutoModelForSequenceClassification, AutoTokenizer
model_name = "ElKulako/cryptobert"
tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=True)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels = 3)
pipe = TextClassificationPipeline(model=model, tokenizer=tokenizer, max_length=64, truncation=True, padding = 'max_length')
# post_1 & post_3 = bullish, post_2 = bearish
post_1 = " see y'all tomorrow and can't wait to see ada in the morning, i wonder what price it is going to be at. 😎🐂🤠💯😴, bitcoin is looking good go for it and flash by that 45k. "
post_2 = "  alright racers, it’s a race to the bottom! good luck today and remember there are no losers (minus those who invested in currency nobody really uses) take your marks... are you ready? go!!" 
post_3 = " i'm never selling. the whole market can bottom out. i'll continue to hold this dumpster fire until the day i die if i need to." 
df_posts = [post_1, post_2, post_3]
preds = pipe(df_posts)
print(preds)


[{'label': 'Bullish', 'score': 0.8734585642814636}, {'label': 'Bearish', 'score': 0.9889495372772217}, {'label': 'Bullish', 'score': 0.6595883965492249}]

Training Corpus

CryptoBERT was trained on 3.2M social media posts regarding various cryptocurrencies. Only non-duplicate posts of length above 4 words were considered. The following communities were used as sources for our corpora:

(1) StockTwits - 1.875M posts about the top 100 cryptos by trading volume. Posts were collected from the 1st of November 2021 to the 16th of June 2022. ElKulako/stocktwits-crypto

(2) Telegram - 664K posts from top 5 telegram groups: Binance, Bittrex, huobi global, Kucoin, OKEx. Data from 16.11.2020 to 30.01.2021. Courtesy of Anton.

(3) Reddit - 172K comments from various crypto investing threads, collected from May 2021 to May 2022

(4) Twitter - 496K posts with hashtags XBT, Bitcoin or BTC. Collected for May 2018. Courtesy of Paul.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
9e37c91

0 моделей