Twitter Bitcoin Emotion Classification

由 sandiumenge 开发

基于BERTweet-base微调的情绪分类模型，用于分析Twitter上与比特币相关的情感倾向

文本分类

Transformers

开源协议:MIT #比特币情绪分析 #社交媒体情感分类 #金融舆情监测

下载量 40

发布时间 : 4/9/2025

模型介绍

内容详情

替代品

模型简介

该模型是基于BERTweet架构的变体，专门针对Twitter文本进行优化，能够识别与比特币相关的推文中的情感倾向。

模型特点

Twitter文本优化

基于BERTweet架构，专门针对Twitter文本特点进行了优化

比特币情感分析

专注于分析比特币相关推文中的情感倾向

多指标评估

提供准确率、F1值、精确率和召回率等多种评估指标

模型能力

文本分类

情感分析

社交媒体文本处理

使用案例

金融科技

比特币市场情绪监测

分析Twitter上对比特币的情绪倾向，辅助市场分析

准确率约65.6%，F1值约65.7%

社交媒体分析

加密货币社区情绪追踪

追踪加密货币社区在Twitter上的情绪变化

库名称：transformers
许可证：mit
基础模型：vinai/bertweet-base
标签：

训练生成
指标：
准确率
F1值
精确率
召回率
模型索引：
名称：twitter-bitcoin-emotion-classification
结果：[]

twitter-bitcoin-emotion-classification

此模型是基于vinai/bertweet-base在未知数据集上微调的版本。
在评估集上取得了以下结果：

损失：1.7032
准确率：0.6561
F1值：0.6572
宏F1值：0.6226
精确率：0.6630
召回率：0.6561

模型描述

需补充更多信息

预期用途与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练流程

训练超参数

训练过程中使用了以下超参数：

学习率：1e-05
训练批次大小：16
评估批次大小：16
随机种子：42
梯度累积步数：2
总训练批次大小：32
优化器：使用OptimizerNames.ADAMW_TORCH，参数为betas=(0.9,0.999)、epsilon=1e-08，无额外优化器参数
学习率调度器类型：线性
学习率预热比例：0.1
训练轮数：5
混合精度训练：原生AMP

训练结果

图像/png

训练损失	轮次	步数	验证损失	准确率	F1值	宏F1值	精确率	召回率
2.9772	0.2092	500	2.6140	0.4598	0.3456	0.2565	0.2855	0.4598
2.0831	0.4185	1000	1.9186	0.5043	0.4434	0.4006	0.5917	0.5043
1.7199	0.6277	1500	1.6219	0.5694	0.5441	0.5039	0.5912	0.5694
1.56	0.8370	2000	1.4268	0.6031	0.5922	0.5572	0.6167	0.6031
1.3383	1.0460	2500	1.3762	0.6220	0.6180	0.5814	0.6289	0.6220
1.3473	1.2553	3000	1.3732	0.6188	0.6132	0.5774	0.6367	0.6188
1.1643	1.4645	3500	1.4119	0.6239	0.6247	0.5894	0.6391	0.6239
1.2617	1.6738	4000	1.3296	0.6195	0.6219	0.5792	0.6453	0.6195
1.2549	1.8830	4500	1.3182	0.6330	0.6351	0.5975	0.6460	0.6330
0.8836	2.0921	5000	1.4422	0.6247	0.6298	0.6006	0.6528	0.6247
0.8652	2.3013	5500	1.4682	0.6475	0.6488	0.6120	0.6563	0.6475
0.9502	2.5106	6000	1.5682	0.6402	0.6438	0.6128	0.6559	0.6402
0.8769	2.7198	6500	1.5807	0.6392	0.6435	0.6100	0.6583	0.6392
0.7853	2.9291	7000	1.5285	0.6389	0.6403	0.6077	0.6555	0.6389
0.6828	3.1381	7500	1.6189	0.6467	0.6499	0.6170	0.6588	0.6467
0.6566	3.3474	8000	1.4571	0.6530	0.6519	0.6140	0.6558	0.6530
0.6767	3.5566	8500	1.6671	0.6567	0.6585	0.6216	0.6613	0.6567
0.6806	3.7659	9000	1.5203	0.6518	0.6542	0.6195	0.6628	0.6518
0.7289	3.9751	9500	1.5431	0.6524	0.6568	0.6224	0.6669	0.6524
0.5355	4.1841	10000	1.6772	0.6501	0.6528	0.6185	0.6619	0.6501
0.5352	4.3934	10500	1.7032	0.6561	0.6572	0.6226	0.6630	0.6561
0.615	4.6026	11000	1.6694	0.6504	0.6527	0.6175	0.6608	0.6504
0.5843	4.8119	11500	1.6443	0.6541	0.6567	0.6213	0.6634	0.6541