🚀 FinTwitBERT-sentiment

FinTwitBERT-sentiment 是一个经过微调的模型，用于对金融推文的情感进行分类。它以 FinTwitBERT 为基础模型，该基础模型在 1000 万条金融推文上进行了预训练。这种方式确保了 FinTwitBERT-sentiment 接触到了足够多的金融推文，与新闻标题等其他金融文本相比，这些推文具有非正式的特点。因此，该模型在社交媒体上常见的非正式金融文本上表现出色。

🚀 快速开始

FinTwitBERT-sentiment 旨在对金融推文或其他金融社交媒体文本进行分类。

✨ 主要特性

• 专业适配：基于在 1000 万条金融推文上预训练的 FinTwitBERT 模型，专门针对金融推文情感分类进行微调。
• 效果良好：对于社交媒体上非正式的金融文本，能实现较好的分类效果。

📦 安装指南

文档未提及具体安装步骤，可参考 Hugging Face 相关库的安装说明。

💻 使用示例

基础用法

from transformers import pipeline

# Create a sentiment analysis pipeline
pipe = pipeline(
    "sentiment-analysis",
    model="StephanAkkerman/FinTwitBERT-sentiment",
)

# Get the predicted sentiment
print(pipe("Nice 9% pre market move for $para, pump my calls Uncle Buffett 🤑"))

📚 详细文档

数据集

FinTwitBERT-sentiment 在两个数据集上进行了训练。一个是多个金融推文数据集的集合，另一个是由前者创建的合成数据集。

• TimKoornstra/financial-tweets-sentiment：包含 38,091 条人工标注的推文。
• TimKoornstra/synthetic-financial-tweets-sentiment：包含 1,428,771 条合成推文。

更多信息

如需全面了解该模型，包括训练设置和分析，请访问 FinTwitBERT GitHub 仓库。

引用与作者

如果您在研究中使用了 FinTwitBERT 或 FinTwitBERT-sentiment，请按以下方式引用我们，两位作者对这项工作贡献相同：

@misc{FinTwitBERT,
  author = {Stephan Akkerman, Tim Koornstra},
  title = {FinTwitBERT: A Specialized Language Model for Financial Tweets},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/TimKoornstra/FinTwitBERT}}
}

此外，如果您使用了情感分类器，请引用：

@misc{FinTwitBERT-sentiment,
  author = {Stephan Akkerman, Tim Koornstra},
  title = {FinTwitBERT-sentiment: A Sentiment Classifier for Financial Tweets},
  year = {2023},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/StephanAkkerman/FinTwitBERT-sentiment}}
}

📄 许可证

本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。