language: "en" tags:

• 深度学习
• transformers框架
• huggingface平台 license: "mit协议" datasets:
• 我的数据集 model-name: "我的模型"

基于金融情感微调的FinBERT模型（金融短语库+GitHub数据集）

📌 模型说明

本模型是在FinBERT (ProsusAI/finbert) 基础上微调的金融情感分类模型，可将金融文本划分为以下三类：

• 负面 (0)
• 中性 (1)
• 正面 (2)

📂 训练数据

模型训练采用：
✅ 金融短语库 - 广泛使用的金融情感标注数据集
✅ GitHub生成情感数据集 - 用于测试模型的补充数据

⚙️ 训练参数

📊 性能表现

🚀 应用场景

本模型适用于：
✅ 金融分析师/投资者 分析财报、新闻、股评中的情感倾向
✅ 金融机构 量化交易中的自动化情感分析
✅ AI研究人员 探索金融领域NLP模型

⚠️ 使用限制

⚠️ 对金融术语差异大的数据集泛化能力有限
⚠️ 针对特定金融领域（加密货币/银行业/初创企业）可能需要二次微调

📥 调用示例

通过Hugging Face Transformers调用：

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model_name = "Driisa/finbert-finetuned-github"

# 加载模型和分词器
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# 输入示例
text = "该公司本季度股价呈现显著增长"

# 预测流程
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)
outputs = model(**inputs)

# 获取预测结果
predicted_class = outputs.logits.argmax().item()
print(f"预测情感: {['负面', '中性', '正面'][predicted_class]}")