language: zh # <-- 我的语言 widget:

• text: "咨询公司Teneo表示，周一中国股市因对新一届领导班子的担忧而暴跌'可能是误判'。在中国国家主席习近平通过由亲信组成的新一届核心领导班子巩固权力后的首个交易日，香港和纽约的中国股票，尤其是[TGT]等互联网科技巨头出现下跌。过去几年，习近平表现出对加强国家经济干预的偏好。Teneo董事总经理Gabriel Wildau及其团队在一份报告中指出：'尽管与习近平关系密切，但李强、李希和蔡奇在进入（政治局常委会）之前都曾主政富裕省份，经济增长仍是这些地区的首要任务。'" tags:
• t5
• finbert
• 金融情感分析
• 情感分析 license:
• apache-2.0

模型描述

FinABSA-Longer是基于T5-Large架构训练的面向方面情感分析(ABSA)任务的模型，采用SEntFiN 1.0数据集及额外增强技术训练而成。相较于前代FinABSA模型，该模型对更长文本序列展现出更强鲁棒性。通过将目标方面替换为[TGT]标记，模型可专注于该方面的情感预测。GitHub代码库

使用方法

可直接通过AutoModelForSeq2SeqLM类调用本模型：

>>> from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

>>> tokenizer = AutoTokenizer.from_pretrained("amphora/FinABSA")
>>> model = AutoModelForSeq2SeqLM.from_pretrained("amphora/FinABSA")

>>> input_str = "[TGT]股票暴跌42%而三星股价飙升"
>>> input = tokenizer(input_str, return_tensors='pt')
>>> output = model.generate(**input, max_length=20)
>>> print(tokenizer.decode(output[0]))
给定句子中[TGT]的情感倾向为负面
>>> input_str = "特斯拉股票暴跌42%而[TGT]股价飙升"
>>> input = tokenizer(input_str, return_tensors='pt')
>>> output = model.generate(**input, max_length=20)
>>> print(tokenizer.decode(output[0]))
给定句子中[TGT]的情感倾向为正面

评估结果

在从SEntFiN 1.0随机抽取的测试集上，模型平均准确率达87%。