Характеристики

Лицензия: Apache 2.0
Базовая модель: multilingual-sentiment-analysis
Опубликована: 4 мая 2025

Ссылки

ru-tpulse-finance-sentiment

Классификация текстаТекст → label

Модель определяет положительную, нейтральную или отрицательную тональность русскоязычных финансовых комментариев о фондовом рынке.

0скачиваний за 30 дней5лайковвеса обновлены6 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

FinSentiment — русскоязычная модель классификации тональности финансовых комментариев, опубликованная пользователем ez3nx и дообученная на базе tabularisai/multilingual-sentiment-analysis. Она относит текст к одному из трёх классов: положительный (бычий настрой или рекомендация к покупке), нейтральный и отрицательный (медвежий настрой или рекомендация к продаже). Модель предназначена для анализа комментариев о фондовом рынке, в частности постов пользователей Тинькофф Пульс о ценных бумагах.

Для дообучения использовались более 40 тысяч размеченных комментариев о SBER, LKOH, SGZH и MTLR за 2023–2025 годы; разметку готовили с помощью Yandex GPT5 Lite и Qwen3-14B. В README приведены валидационные метрики за первые три эпохи: максимальная указанная accuracy — 0,7137, weighted F1 — 0,7136. Модель распространяется под лицензией Apache-2.0. Карточка не сообщает размер модели и длину контекста.

Сценарии применения

Оценка бычьего или медвежьего настроя в комментариях об акциях
Классификация постов Тинькофф Пульс по тональности
Поиск положительных и отрицательных отзывов о ценных бумагах
Подсчёт нейтральных, позитивных и негативных финансовых публикаций

Ограничения

Модель обучалась на комментариях о четырёх бумагах и может хуже работать на других финансовых темах или стилях текста. На валидации указана максимальная accuracy около 0,71; метрики для оставшихся эпох в карточке не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🇷🇺 FinSentiment: Анализ сентимента финансовых постов

Модель дообучена на 3 класса (вместо 5) для анализа сентимента русскоязычных комментариев с платформы Тинькофф Пульс

Базовая модель: tabularisai/multilingual-sentiment-analysis

Задача: Дообучена под классификацию текста на 3 классах:

Positive (Бычий настрой, рекомендация к покупке)
Neutral (Нейтральный настрой)
Negative (Медвежий настрой, рекомендация к продаже)

🚀 Как Использовать (`transformers`)

Установите необходимые библиотеки:
```
pip install transformers accelerate torch
```
Загрузите модель и токенизатор:
```
#TODO
```

⚙️ Fine-tuning params

Гиперпараметры Обучения:
- learning_rate: 2e-5
- batch_size (per_device): 16
- gradient_accumulation_steps: 4
- num_train_epochs: 6
- weight_decay: 0.0004
- lr_scheduler_type: 'cosine'
- warmup_ratio: 0.2
Обучающий датасет:
При помощи Yandex GPT5 Lite и Qwen3-14B были разменчены 40.000+ комментариев пользователей с платформы Тинькофф Пульс по бумагам SBER, LKOH, SGZH, MTLR за 2023-2025 год.

📊 Метрики Качества (на валидации)

Эпоха	Training Loss	Validation Loss	Accuracy	Precision (Weighted)	Recall (Weighted)	F1-score (Weighted)
1	0.9516	0.8098	0.6470	0.6506	0.6470	0.6470
2	0.7500	0.7200	0.6902	0.7011	0.6902	0.6900
3	0.6281	0.6945	0.7137	0.7140	0.7137	0.7136
4	0.5379	0.7047	0.7168	0.7183	0.7168	0.7167
5	0.4340	0.6902	0.7188	0.7173	0.7174	0.7169

Примечание: TODO

📝 Замечания

Модель предназначена для анализа тональности текстов на русском языке в контексте фондового рынка.
TODO

📜 Лицензия

Эта модель распространяется под лицензией Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 83aafdd