语言: en # <-- 我的语言
小部件:

• 文本: "咨询公司Teneo表示，周一中国股市因对新领导班子的担忧而暴跌可能是误判。香港和纽约上市的中概股，尤其是像[TGT]这样的互联网科技巨头，在中国国家主席习近平通过组建以亲信为核心的新一届领导班子巩固权力后的首个交易日出现下跌。"
• 文本: "[TGT]股票下跌42%，而三星股价上涨。"
• 文本: "特斯拉股票下跌42%，而[TGT]股价上涨。"

标签:

• t5
• finbert
• 金融情感分析
• 情感分析

许可证:

• apache-2.0

模型描述

FinABSA是基于T5-Large架构训练的面向方面情感分析(ABSA)任务的模型，使用SEntFiN 1.0数据集训练。与传统情感分析模型为整句预测单一情感标签不同，FinABSA能够解析含多方面的句子——通过将目标方面替换为[TGT]标记，模型可聚焦该方面的情感预测。GitHub代码库

使用方法

可直接通过AutoModelForSeq2SeqLM类调用该模型：

>>> from transformers import AutoModelForSeq2SeqLM, AutoTokenizer  

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

>>> input_str = "[TGT]股票下跌42%而三星股价上涨。"  
>>> input = tokenizer(input_str, return_tensors='pt')  
>>> output = model.generate(**input, max_length=20)  
>>> print(output)  
给定句子中[TGT]的情感倾向为负面。  

>>> input_str = "特斯拉股票下跌42%而[TGT]股价上涨。"  
>>> input = tokenizer(input_str, return_tensors='pt')  
>>> output = model.generate(**input, max_length=20)  
>>> print(output)  
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，模型平均准确率达到87%。