Logo
Project Icon

FinTwitBERT-sentiment

基于BERT的金融推文情感分析工具

FinTwitBERTGithub社交媒体分析自然语言处理金融推文情感分析HuggingfaceBERT模型开源项目模型

FinTwitBERT-sentiment基于1000万条金融推文预训练的FinTwitBERT模型开发，通过38,091条人工标注数据和142万条合成数据进行微调，专注于分析社交媒体金融文本的情感倾向。此模型支持通过Hugging Face transformers库集成，适用于金融推文和相关社交媒体内容的情感分析任务。

GithubGithubHuggingfaceHuggingface文档文档
介绍相关项目
bertweet-large - 大规模英语推文预训练模型，面向社交媒体文本
BERTweetCOVID-19English TweetsGithubHuggingface开源项目模型语言模型预训练
BERTweet是首个面向英语推文的大规模预训练模型，基于RoBERTa程序开发，语料库包含2012至2019年间的8.45亿条推文及500万条涉及COVID-19的推文。在任务性能上，BERTweet在词性标注、命名实体识别、情感分析以及讽刺检测等方面表现出色，是分析推文内容的有效工具。
bert-finetuned-japanese-sentiment - 日语电商评论情感分析BERT微调模型
BERTGithubHuggingface开源项目情感分析日语处理机器学习模型自然语言处理
该模型基于cl-tohoku/bert-base-japanese-v2微调，使用20,000条亚马逊日语评论进行训练。经过6轮训练后，模型能够将文本准确分类为正面、中性或负面情感，验证集准确率达81.32%。此模型主要适用于日语电商评论等领域的情感分析任务。
twitter-xlm-roberta-base-sentiment-multilingual - XLM-RoBERTa模型在多语言推特情感分析中的应用
GithubHuggingfaceXLM-RoBERTasentiment analysistweetnlp多语言开源项目文本分类模型
本项目是基于cardiffnlp/twitter-xlm-roberta-base模型针对多语言推特情感分析进行的微调。模型在cardiffnlp/tweet_sentiment_multilingual数据集上训练，通过tweetnlp库实现。测试结果显示，模型在F1分数和准确率方面均达到约69%的性能。研究人员和开发者可使用简单的Python代码调用此模型，为多语言社交媒体内容分析提供了实用的解决方案。
german-sentiment-bert - 基于BERT架构的德语情感分析模型
BERTGithubHuggingfacePython开源项目德语情感分类机器学习模型自然语言处理
该项目开发了一个基于BERT架构的德语情感分类模型。模型在184万个德语样本上训练，数据来源包括社交媒体和各类评论。提供Python包便于使用，支持情感预测和概率输出。在多个数据集上表现优异，最高F1分数达0.9967。可应用于对话系统等德语情感分析场景。
bert_turkish_sentiment - 微调TurkishBERTweet的高精度土耳其语情感分析模型
BERTGithubHuggingfaceTurkishBERTweet土耳其语开源项目情感分析模型自然语言处理
该模型基于VRLLab/TurkishBERTweet微调而来，专门用于土耳其语情感分析。在评估集上达到0.9972的高准确率，显示出强大的性能。模型采用Adam优化器，配合线性学习率调度器，经过3轮训练，每批次处理8个样本。虽然在土耳其语文本情感分析方面表现出色，但其具体应用场景和限制仍有待进一步研究。
twitter-roberta-base-emotion - 基于RoBERTa的推特情绪识别与分析模型
GithubHuggingfaceRoBERTa开源项目情感识别推特数据分析模型深度学习自然语言处理
twitter-roberta-base-emotion是一个基于RoBERTa架构的情绪识别模型，经过5800万条推特数据训练。模型可识别喜悦、乐观、愤怒和悲伤等情绪类型，并通过TweetEval基准进行了微调。支持Python接口调用，适用于文本情感分析任务。
FinGPT - 开源金融大模型FinGPT，快速适应市场变化
FinGPTGithub开源项目情感分析指令调优数据集金融大语言模型
FinGPT项目提供开源金融大语言模型，重点解决金融行业的高训练成本和频繁更新需求。利用RLHF技术，实现了金融数据的快速更新和轻量级适配，并降低微调费用。FinGPT-Forecaster和多任务情感分析模型的性能超过GPT-4，展现出在金融预测和情感分析方面的强大能力。开源平台和丰富的数据集使开发者能够轻松再现和应用这些先进模型。
bert-base-multilingual-uncased-sentiment - BERT多语言产品评论情感预测模型
GithubHuggingfacebert-base-multilingual-uncased产品评论准确率多语言模型开源项目情感分析模型
bert-base-multilingual-uncased-sentiment是一个基于BERT的多语言情感分析模型，支持英、荷、德、法、西、意六种语言的产品评论分析。模型通过1至5星评级预测评论情感，在大规模多语言产品评论数据集上训练。测试结果显示，模型在各语言上均达到较高的准确率，特别是在'差一星'的宽松评估标准下，准确率普遍超过93%。该模型可直接应用于目标语言的产品评论情感分析，也可作为相关任务的预训练模型进行进一步微调。
twitter-roberta-base-emotion-multilabel-latest - 精确识别推文情绪的多标签分类模型
GithubHuggingfacetweetnlptwitter-roberta-base-emotion-multilabel-latest多标签分类开源项目情感分析机器学习模型
该项目微调了cardiffnlp/twitter-roberta-base-2022-154m模型，专注于SemEval 2018情感分析任务，显著增强推文的多标签情绪分类能力。模型在测试集上的F1 micro为0.7169，F1 macro为0.5464，是推文情感分析的理想选择。适用于tweetnlp和transformers中的文本分类任务，支持通过Python加载工具进行灵活使用，有助于社交媒体情感解析。
heBERT_sentiment_analysis - 希伯来语预训练BERT模型实现情感分析和情绪识别
GithubHeBERTHuggingface开源项目情感分析情绪识别模型自然语言处理预训练模型
heBERT_sentiment_analysis是一个针对希伯来语的预训练BERT模型，用于情感极性分析和情绪识别。该模型在包含10亿词的希伯来语语料库上训练，能准确识别文本情感。在情感分析任务中，模型表现优异，F1分数达0.97。研究团队还收集了用户生成内容数据集进行情绪标注。这为希伯来语自然语言处理研究提供了有力的基础工具。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号