标签:

• 训练生成
• 金融 基础模型: cardiffnlp/twitter-roberta-base-sentiment 指标:
• 准确率 模型索引:
• 名称: fine-tuned-cardiffnlp-twitter-roberta-base-sentiment-finance-dataset 结果: [] 数据集:
• CJCJ3030/twitter-financial-news-sentiment 语言:
• 英文 库名称: transformers 管道标签: 文本分类 小部件:
• 文本: "英国4月房屋销售量增长12%"
• 文本: "新加坡石油交易商因协助伪造和欺骗汇丰银行被判有罪"
• 文本: "‘到处都是钱’:米尔肯会议参与者寻求交易复苏"
• 文本: "4月ETF购买量几乎减半，因美国降息希望减弱"
• 文本: "托德·博利的投资公司就收购私人信贷公司进行深入谈判"
• 文本: "伯克希尔·哈撒韦现金储备创新高，巴菲特抛售股票"
• 文本: "丰收合作将香港上市的加密ETF引入新加坡"
• 文本: "哈萨克斯坦寡头Timur Kulibayev以3500万英镑出售梅菲尔豪宅"
• 文本: "德意志银行DWS夸大客户资产流入数十亿欧元"
• 文本: "瑞银第一季度利润超出预期"

fine-tuned-cardiffnlp-twitter-roberta-base-sentiment-finance-dataset

该模型是基于cardiffnlp/twitter-roberta-base-sentiment在推特金融新闻情感数据集上微调的版本。 在评估集上取得了以下结果:

• 损失: 0.3123
• 准确率: 0.8559

推理API中的10个示例收集自2024年5月初的https://twitter.com/ftfinancenews

微调Colab笔记本: https://colab.research.google.com/drive/1gvpFbazlxg3AdSldH3w6TYjGUByxqCrh?usp=sharing

训练数据

https://huggingface.co/datasets/CJCJ3030/twitter-financial-news-sentiment/viewer/default/train

评估数据

https://huggingface.co/datasets/CJCJ3030/twitter-financial-news-sentiment/viewer/default/validation

训练超参数

训练期间使用了以下超参数:

• 学习率: 5e-05
• 训练批次大小: 120
• 评估批次大小: 120
• 随机种子: 42
• 优化器: Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
• 学习率调度器类型: 线性
• 训练轮数: 5

训练结果

框架版本

• Transformers 4.40.2
• Pytorch 2.2.1+cu121
• Datasets 2.19.1
• Tokenizers 0.19.1

引用

@inproceedings{barbieri-etal-2020-tweeteval,
    title = "{T}weet{E}val: Unified Benchmark and Comparative Evaluation for Tweet Classification",
    author = "Barbieri, Francesco  and
      Camacho-Collados, Jose  and
      Espinosa Anke, Luis  and
      Neves, Leonardo",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2020",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2020.findings-emnlp.148",
    doi = "10.18653/v1/2020.findings-emnlp.148",
    pages = "1644--1650"
}