/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
14 мая 2022

Ссылки

Hugging Face

financial-sentiment-analysis

Sigma
Классификация текстаТекст → label3 профессии

Дообученная на финансовых фразах модель BERT для классификации тональности финансовых текстов.

21скачиваний за 30 дней22лайкавеса обновлены14 мая 2022

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

Sigma/financial-sentiment-analysis — модель классификации тональности финансовых текстов, разработанная на основе FinancialBERT и дообученная на наборе данных financial_phrasebank. Она предназначена для определения тональности финансовых фраз и новостных сообщений; в README для оценочной выборки приведены accuracy и F1 по 0,9924. Модель построена на архитектуре BERT, содержит 137 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch.

Модель подойдёт для автоматической разметки тональности финансовых текстов в аналитических и исследовательских конвейерах. Результаты оценки относятся к указанной выборке и не гарантируют такое же качество на других источниках, языках или типах финансовых текстов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Определение тональности финансовых новостей
  • Разметка тональности фраз из финансовых отчётов
  • Классификация финансовых сообщений для аналитического конвейера

Ограничения

Показатели качества приведены только для оценочной выборки financial_phrasebank и могут не переноситься на другие данные. Язык обучающих текстов в предоставленных сведениях не указан.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

financial-sentiment-analysis

This model is a fine-tuned version of ahmedrachid/FinancialBERT on the financial_phrasebank dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0395
  • Accuracy: 0.9924
  • F1: 0.9924

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Framework versions

  • Transformers 4.19.1
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.1
  • Tokenizers 0.12.1

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
BertForSequenceClassification
Ревизия весов
d78ca17

0 моделей

    Создать бенчмарк