Sentiments-FinBERT-PT-BR
Modelo de linguagem para análise de sentimentos de textos em português do mercado financeiro, treinado com base no paper FinBERT-PT-BR: Sentiment Analysis of Texts in Portuguese from the Financial Market e no dataset disponibilizado pelos autores.
O modelo classifica textos financeiros em três categorias de sentimento: positivo, negativo e neutro.
Descrição do modelo
Trata-se de um modelo baseado na arquitetura BERT, ajustado (fine-tuned) para o domínio financeiro em língua portuguesa. Ele é capaz de interpretar notícias, relatórios, comentários de analistas e outros textos do mercado financeiro brasileiro, atribuindo a cada um deles uma polaridade de sentimento.
- Idioma: Português (PT-BR)
- Tarefa: Classificação de texto (análise de sentimentos)
- Arquitetura base: BERT
- Classes: Positivo, Negativo, Neutro
- Domínio: Mercado financeiro
Como usar
Com pipeline
from transformers import pipeline
classifier = pipeline(
"text-classification",
model="seu-usuario/Sentiments-FinBERT-PT-BR"
)
resultado = classifier("As ações da empresa subiram após o balanço positivo.")
print(resultado)
Com AutoModel
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
tokenizer = AutoTokenizer.from_pretrained("seu-usuario/Sentiments-FinBERT-PT-BR")
model = AutoModelForSequenceClassification.from_pretrained("seu-usuario/Sentiments-FinBERT-PT-BR")
texto = "O lucro líquido da companhia caiu 30% no trimestre."
inputs = tokenizer(texto, return_tensors="pt", truncation=True, padding=True)
with torch.no_grad():
logits = model(**inputs).logits
predicao = torch.argmax(logits, dim=-1).item()
print(model.config.id2label[predicao])
Casos de uso
- Monitoramento de sentimento em notícias financeiras
- Análise de relatórios e comunicados ao mercado
- Apoio a estratégias de investimento baseadas em sentimento (sentiment-based trading)
- Pesquisa acadêmica em finanças e PLN
Limitações e vieses
O modelo foi treinado especificamente com textos do mercado financeiro brasileiro e pode apresentar desempenho reduzido em outros domínios ou variantes do português. Como qualquer modelo treinado a partir de dados reais, pode reproduzir vieses presentes no conjunto de dados original. Recomenda-se validação humana em aplicações críticas ou de tomada de decisão financeira.
Dataset
O modelo foi treinado com o dataset Sentiments-FinBERT-PT-BR, disponibilizado pelos autores do paper original.
Referência
Caso utilize este modelo, por favor cite o trabalho original:
SANTOS, Lucas L.; BIANCHI, Reinaldo A. C.; COSTA, Anna H. R. FinBERT-PT-BR: Análise de Sentimentos de Textos em Português do Mercado Financeiro. Anais do II Brazilian Workshop on Artificial Intelligence in Finance, 2023, p. 144–155.
@inproceedings{santos2023finbertptbr,
title={FinBERT-PT-BR: An{\'a}lise de Sentimentos de Textos em Portugu{\^e}s do Mercado Financeiro},
author={Santos, Lucas L. and Bianchi, Reinaldo A. C. and Costa, Anna H. R.},
booktitle={Anais do II Brazilian Workshop on Artificial Intelligence in Finance},
pages={144--155},
year={2023}
}
Licença
Este modelo é distribuído sob a licença Apache 2.0. Ajuste conforme a licença aplicável ao seu uso.