许可协议：apache-2.0
支持语言：

• 英文
  评估指标：
• 字符级
  基础模型：
• google-bert/bert-base-uncased
  任务标签：文本分类

用于交易分类的微调BERT模型

这是一个经过微调的BERT模型，专门训练用于将金融交易分类到预定义的类别中。该模型在英文交易描述数据集上进行训练，能够将交易分类为"食品杂货"、"交通"、"娱乐"等类别。

模型详情

• 基础模型: bert-base-uncased
• 微调任务: 交易分类（多类别分类）
• 支持语言: 英文

示例类别

该模型将交易分类为以下类别：

分类标签 = {
0: "公共事业",
1: "医疗健康",
2: "餐饮",
3: "差旅",
4: "教育",
5: "订阅服务",
6: "家庭",
7: "食品",
8: "节日",
9: "文化",
10: "服饰",
11: "交通",
12: "投资",
13: "购物",
14: "食品杂货",
15: "文件",
16: "个人护理",
17: "娱乐",
18: "社交生活",
19: "美容",
20: "房租",
21: "转账",
22: "薪资",
23: "旅游",
24: "家居用品",
}

如何使用该模型

您可以通过Hugging Face的transformers库直接加载并使用该模型：

from transformers import BertTokenizer, BertForSequenceClassification

# 加载模型
模型名称 = "kuro-08/bert-transaction-categorization"
分词器 = BertTokenizer.from_pretrained(模型名称)
模型 = BertForSequenceClassification.from_pretrained(模型名称)

# 示例交易描述
交易内容 = "交易：星巴克咖啡消费 - 类型：收入/支出"
输入数据 = 分词器(交易内容, return_tensors="pt", truncation=True, padding=True)

# 预测类别
输出结果 = 模型(**输入数据)
逻辑值 = 输出结果.logits
预测类别 = 逻辑值.argmax(-1).item()

print(f"预测类别: {预测类别}")