/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
FinTwitBERT
Опубликована
13 дек 2023

FinTwitBERT-sentiment

Классификация текстаТекст → label3 профессии

Англоязычная BERT-модель для классификации тональности финансовых твитов и других финансовых публикаций в соцсетях.

133 тыс.скачиваний за 30 дней26лайковвеса обновлены21 фев 2024

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

FinTwitBERT-sentiment — англоязычная модель Stephan Akkerman для классификации тональности финансовых твитов и других коротких финансовых текстов из социальных сетей. Это дообученная модель FinTwitBERT на основе архитектуры BERT с 137 млн параметров и контекстом до 512 токенов; базовый FinTwitBERT предварительно обучен на 10 млн финансовых твитов.

Модель предназначена для определения тональности неформальных публикаций о финансах, акциях и криптовалютах. Она обучена на наборе из 38 091 твита с человеческой разметкой и синтетическом наборе из 1 428 771 твита. Специализация на языке финансовых соцсетей — её сильная сторона по сравнению с моделями, ориентированными на новости и другие формальные тексты.

Модель принимает текст и выдаёт метку класса тональности. Она распространяется по лицензии MIT. Результаты на финансовых публикациях вне обучающих наборов могут быть менее надёжными; карточка не приводит подробных метрик качества.

Сценарии применения

  • определение тональности твитов о компаниях и акциях
  • анализ настроений в публикациях о криптовалютах
  • мониторинг реакции соцсетей на финансовые новости
  • классификация коротких финансовых сообщений перед аналитической обработкой

Ограничения

Модель специализируется на англоязычных финансовых публикациях в соцсетях, поэтому может хуже работать на других языках, длинных формальных текстах и темах вне финансов. В карточке не приведены подробные метрики качества.

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

FinTwitBERT-sentiment

FinTwitBERT-sentiment is a finetuned model for classifying the sentiment of financial tweets. It uses FinTwitBERT as a base model, which has been pre-trained on 10 million financial tweets. This approach ensures that the FinTwitBERT-sentiment has seen enough financial tweets, which have an informal nature, compared to other financial texts, such as news headlines. Therefore this model performs great on informal financial texts, seen on social media.

Intended Uses

FinTwitBERT-sentiment is intended for classifying financial tweets or other financial social media texts.

Dataset

FinTwitBERT-sentiment has been trained on two datasets. One being a collection of several financial tweet datasets and the other a synthetic dataset created out of the first.

More Information

For a comprehensive overview, including the training setup and analysis of the model, visit the FinTwitBERT GitHub repository.

Usage

Using HuggingFace's transformers library the model and tokenizers can be converted into a pipeline for text classification.

from transformers import pipeline

# Create a sentiment analysis pipeline
pipe = pipeline(
    "sentiment-analysis",
    model="StephanAkkerman/FinTwitBERT-sentiment",
)

# Get the predicted sentiment
print(pipe("Nice 9% pre market move for $para, pump my calls Uncle Buffett 🤑"))

Citing & Authors

If you use FinTwitBERT or FinTwitBERT-sentiment in your research, please cite us as follows, noting that both authors contributed equally to this work:

@misc{FinTwitBERT,
  author = {Stephan Akkerman, Tim Koornstra},
  title = {FinTwitBERT: A Specialized Language Model for Financial Tweets},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/TimKoornstra/FinTwitBERT}}
}

Additionally, if you utilize the sentiment classifier, please cite:

@misc{FinTwitBERT-sentiment,
  author = {Stephan Akkerman, Tim Koornstra},
  title = {FinTwitBERT-sentiment: A Sentiment Classifier for Financial Tweets},
  year = {2023},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/StephanAkkerman/FinTwitBERT-sentiment}}
}

License

This project is licensed under the MIT License. See the LICENSE file for details.

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
da059da

0 моделей