语言: 英文
许可证: Apache-2.0
标签:

• 金融情感分析
• 情感分析
• sentence_50agree
• 基于训练生成
• 情感
• 金融
  数据集:
• financial_phrasebank
• Kaggle_Self_label
• nickmuchi/financial-classification
  评估指标:
• F1分数
  示例:
• 文本: "美元昨晚上涨了10%"
  示例标题: "看涨情绪"
• 文本: "过去几个月新冠病例持续增加，影响了全球企业的盈利"
  示例标题: "看跌情绪"
• 文本: "美元一直呈下跌趋势"
  示例标题: "轻微看跌情绪"
  基础模型: distilroberta-base
  模型索引:
• 名称: distilroberta-finetuned-finclass
  结果:
  • 任务:
    类型: 文本分类
    名称: 文本分类
    数据集:
    名称: financial_phrasebank
    类型: 金融
    参数: sentence_50agree
    评估指标:
    • 类型: F1分数
      值: 0.8835
      名称: F1分数
    • 类型: 准确率
      值: 0.89
      名称: 准确率

distilroberta微调金融文本分类模型

此模型是基于distilroberta-base对sentence_50Agree金融短语库+Kaggle数据集进行微调的版本，该数据集包含4840条按情感（负面、中性、正面）分类的金融新闻。Kaggle数据集包含新冠疫情情感数据，可在此处找到：情感分类自标注数据集。
在评估集上取得以下结果：

• 损失值: 0.4463
• F1分数: 0.8835

模型描述

该模型用于判断给定文本的金融情感倾向。考虑到类别标签分布不均衡，调整了权重以关注样本较少的标签，从而提升整体性能。加入新冠疫情数据集旨在丰富模型训练，因为大多数模型未针对疫情对盈利或市场的影响进行训练。

训练超参数

训练过程中使用的超参数如下：

• 学习率: 2e-05
• 训练批次大小: 64
• 评估批次大小: 64
• 随机种子: 42
• 优化器: Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型: 线性
• 训练轮次: 10
• 混合精度训练: 原生AMP

训练结果

框架版本

• Transformers 4.15.0
• PyTorch 1.10.0+cu111
• Datasets 1.18.0
• Tokenizers 0.10.3