许可证：llama3
数据集：

• TimKoornstra/financial-tweets-sentiment
• takala/financial_phrasebank
  语言：
• en
  任务标签：text-classification
  标签：
• text-classification
• sequence-classification
  示例：
  • 文本："I liked this movie"
    输出：
    • 标签：POSITIVE
      得分：0.8
    • 标签：NEGATIVE
      得分：0.2

FinLlama-3-8B模型卡

本模型卡详细介绍了专为金融推文和短语情感分析优化的FinLlama-3-8B模型。

模型详情

模型描述

FinLlama-3-8B是基于Llama-3-8B模型微调的版本，专门针对金融领域的情感分析任务设计。该模型可将文本分类为三种情感类别：积极、中性和消极。

• 模型类型： 序列分类
• 支持语言（NLP）： 英语
• 许可证： llama3
• 基础模型[可选]： Llama-3-8B

用途

直接使用

FinLlama-3-8B可直接用于金融文本情感分析，为输入内容提供情感标签（积极/中性/消极）。

下游应用[可选]

本模型可集成至更庞大的金融分析系统中，作为综合金融数据分析的情感洞察组件。

非适用场景

该模型不适用于非金融文本的情感分析或英语以外的其他语言。

偏差、风险与局限性

使用建议

用户应注意训练数据中潜在的偏见可能影响模型对特定群体或主题的表现，建议持续监控和评估模型输出。

快速开始

from transformers import AutoModelForSequenceClassification, AutoTokenizer  

model = AutoModelForSequenceClassification.from_pretrained("roma2025/FinLlama-3-8B")  
tokenizer = AutoTokenizer.from_pretrained("roma2025/FinLlama-3-8B")  

def get_sentiment_score(model, tokenizer, text):  
    inputs = tokenizer(text, return_tensors='pt', padding=True, truncation=True, max_length=75)  
    with torch.no_grad():  
        outputs = model(**inputs)  
        logits = outputs.logits  
    probabilities = F.softmax(logits, dim=-1)  
    sentiment_score = torch.argmax(probabilities, dim=-1).item()  
    return sentiment_score, probabilities  

# 使用示例  
text = "判断金融新闻情感倾向（消极/中性/积极）：  
股市正在上涨！  
情感倾向："  

sentiment_score, probabilities = get_sentiment_score(model, tokenizer, text)