FinBERT-FOMC

FinBERT-FOMC模型是基于FOMC会议纪要增强情感分析的语言模型。该模型是对ProsusAI/finbert进行微调的版本。

FinBERT-FOMC是通过2006年1月至2023年2月期间的FOMC会议纪要数据，并采用情感聚焦(SF)方法对复杂句子重新标注后微调的FinBERT模型。相比原始FinBERT，该模型对更复杂的金融语句具有更高的分析准确性。

输入:
金融文本

输出:
积极、消极、中性

使用方法

您可以通过Transformers库的pipeline功能调用FinBERT-FOMC模型。

from transformers import BertTokenizer, BertForSequenceClassification, pipeline

finbert = BertForSequenceClassification.from_pretrained('ZiweiChen/FinBERT-FOMC',num_labels=3)
tokenizer = BertTokenizer.from_pretrained('ZiweiChen/FinBERT-FOMC')
finbert_fomc = pipeline("text-classification", model=finbert, tokenizer=tokenizer)

sentences = ["7月份汽车和轻型卡车支出在第二季度疲软后有所增长，但8月份明显减弱"]
results = finbert_fomc(sentences)
print(results)
# [{'label': '消极', 'score': 0.994509756565094}]

访问https://github.com/Incredible88/FinBERT-FOMC获取更多详情
论文地址：https://doi.org/10.1145/3604237.3626843