/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
17 июн 2026

finedgex-sentiment

Классификация текстаТекст → label3 профессии

Модель FinEdgeX на базе FinBERT классифицирует тональность финансовых текстов об индийском фондовом рынке как позитивную, негативную или нейтральную.

40скачиваний за 30 дней1лайквеса обновлены17 июн 2026

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

FinEdgeX-Sentiment — модель FinEdgeX для классификации тональности финансовых текстов, ориентированная на индийский фондовый рынок NSE и BSE. Она основана на FinBERT и дообучена на Financial PhraseBank и небольшом наборе примеров с контекстами индийского рынка, включая NSE, BSE, SEBI и RBI. Архитектура — BERT для классификации последовательностей, размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов.

Модель присваивает тексту одну из меток: BULLISH, BEARISH или NEUTRAL. Её можно применять для анализа новостей, корпоративных сообщений и других финансовых текстов, чтобы выявлять позитивный, негативный или нейтральный сигнал для индийского рынка. Основной язык карточки и обучающих данных — английский.

Модель распространяется по лицензии Apache-2.0. Набор примеров специально собранных индийских рыночных текстов невелик, поэтому результаты в узких контекстах могут быть менее надёжными; заявленные в README характеристики качества не приведены.

Сценарии применения

  • определение тональности новостей об акциях NSE и BSE
  • анализ корпоративных сообщений индийских компаний
  • выявление позитивных и негативных финансовых сигналов
  • классификация упоминаний SEBI и RBI в финансовых текстах

Ограничения

Набор специально собранных примеров индийского рынка включает лишь 55 текстов, поэтому охват его специфических контекстов ограничен. В README не приведены метрики оценки качества модели.

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

FinEdgeX-Sentiment

A specialized financial sentiment analysis model fine-tuned for the Indian stock market (NSE/BSE).

Model Description

FinEdgeX-Sentiment is built on top of FinBERT and further fine-tuned with:

  • Financial PhraseBank (4,840 sentences with 66%+ annotator agreement)
  • Custom Indian Market Dataset (55 curated examples covering NSE, BSE, SEBI, RBI contexts)

Labels

LabelDescription
BULLISHPositive financial sentiment (growth, profit, upgrades)
BEARISHNegative financial sentiment (losses, downgrades, risks)
NEUTRALNo strong directional sentiment

Usage

from transformers import pipeline

classifier = pipeline("text-classification", model="Somadhi-Chaitanya-09/finedgex-sentiment")
result = classifier("Reliance Industries reports record quarterly profit of ₹19,878 crores")
print(result)
# [{'label': 'BULLISH', 'score': 0.97}]

Training

  • Base Model: ProsusAI/finbert
  • Framework: PyTorch + HuggingFace Transformers
  • Training Data: Financial PhraseBank + Custom Indian Market Data
  • Epochs: 5 (with early stopping)
  • Learning Rate: 2e-5
  • Batch Size: 16

Built By

FinEdgeX — AI-Powered Indian Stock Market Intelligence Platform

License

Apache 2.0

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
07e8f3e

0 моделей