language: zh tags:

• 文本分类
• 金融情感分析
• 情感分析 datasets:
• datasets/financial_phrasebank metrics:
• F1值
• 准确率
• 精确率
• 召回率 widget:
• text: "净销售额增长30%，达到3600万欧元。" example_title: "示例1"
• text: "黑色星期五拉开帷幕。店内促销活动列表。" example_title: "示例2"
• text: "CDPROJEKT股价在WSE上市公司中跌幅最大。" example_title: "示例3"

金融情感分析中文版（快速）

Finance Sentiment ZH (fast) 是基于distiluse的模型，用于分析中文财经新闻的情感倾向。该模型在Malo等人(20014年)发布的Financial PhraseBank数据集翻译版本上训练了10个epoch，使用单块RTX3090显卡。

模型将输出三种情感标签：积极(positive)、消极(negative)和中性(neutral)。

使用方法

您可以直接使用pipeline进行情感分析：

from transformers import pipeline

nlp = pipeline("sentiment-analysis", model="bardsai/finance-sentiment-zh-fast")
nlp("净销售额增长30%，达到3600万欧元。")

[{'label': 'positive', 'score': 0.9996095299720764}]

性能指标

(性能测试基于RTX 3090显卡)

更新日志

• 2023-07-12: 首次发布

关于bards.ai

在bards.ai，我们专注于为合作伙伴提供机器学习专业知识和技能，特别是在自然语言处理、机器视觉和时间序列分析领域。我们的团队位于波兰弗罗茨瓦夫。更多信息请访问我们的网站：bards.ai

如果您使用了我们的模型，请告诉我们 :)。同时，如需任何帮助，欢迎通过info@bards.ai联系我们