许可协议：apache-2.0
流水线标签：文本分类
语言：

• 英文
  评估指标：
• 准确率
  库名称：transformers
  标签：
• 金融

股票相关评论情感推断模型

由新加坡国立大学ISS学院学生Frank Cao、Gerong Zhang、Jiaqi Yao、Sikai Ni、Yunduo Zhang开发的项目

模型描述

该模型基于roberta-base模型，在来自Stocktwits平台的320万条用户标记为"看涨"或"看跌"的评论数据上进行微调。

您可以在推理API中尝试输入散户投资者可能在投资论坛上发表的言论，例如尝试输入'red'（下跌）和'green'（上涨）。

GitHub代码库

训练信息

• 批次大小：32
• 学习率：2e-5

使用方法

from transformers import RobertaForSequenceClassification, RobertaTokenizer
from transformers import pipeline
import pandas as pd
import emoji

# 模型训练时采用了以下预处理流程
def process_text(texts):
  # 移除URL
  texts = re.sub(r'https?://\S+', "", texts)
  texts = re.sub(r'www.\S+', "", texts)
  # 处理引号
  texts = texts.replace(''', "'")
  # 处理股票代码符号
  texts = re.sub(r'(\#)(\S+)', r'hashtag_\2', texts)
  texts = re.sub(r'(\$)([A-Za-z]+)', r'cashtag_\2', texts)
  # 移除用户名
  texts = re.sub(r'(\@)(\S+)', r'mention_\2', texts)
  # 表情符号转文字
  texts = emoji.demojize(texts, delimiters=("", " "))

  return texts.strip()
  
tokenizer_loaded = RobertaTokenizer.from_pretrained('zhayunduo/roberta-base-stocktwits-finetuned')
model_loaded = RobertaForSequenceClassification.from_pretrained('zhayunduo/roberta-base-stocktwits-finetuned')

nlp = pipeline("text-classification", model=model_loaded, tokenizer=tokenizer_loaded)

sentences = pd.Series(['赶紧买入','立即抛售',
                      '这家公司股价要一飞冲天！',
                      '即将暴跌','虽然目前上涨，但我认为近期难以维持这一趋势'])
# 若输入文本包含https链接、@用户名或#$符号，建议进行预处理以获得更准确结果
# sentences = list(sentences.apply(process_text))  
sentences = list(sentences)
results = nlp(sentences)
print(results) # 两个分类标签：0表示看跌，1表示看涨