#FinBERT

FinBERT是一款针对金融领域的预训练语言模型，通过分析企业报告、财报会议记录和分析师报告等文本，显著提升了金融自然语言处理的研究和应用水平。其微调版本finbert-tone在金融文本情感分析任务中表现优异，能够精确识别金融文本中的正面、负面和中性情绪。这一模型为金融领域的研究人员和从业者提供了强大的分析工具，有助于深入洞察和分析金融市场情绪动向。

FinBERT是一个针对金融文本情感分析的预训练NLP模型。该模型基于BERT架构，通过在大规模金融语料库上进行训练和微调，专门用于金融领域的情感分类。FinBERT能够为文本输出正面、负面或中性三种情感标签的概率分布，旨在提升金融文本分析的准确性，为投资决策和市场分析提供客观依据。

bert-base-finnish-cased-v1是一个针对芬兰语优化的BERT模型。它使用超过30亿个芬兰语标记和50,000个自定义词片进行预训练，显著提高了芬兰语词汇覆盖率。在文档分类、命名实体识别和词性标注等任务中，该模型的表现超越了多语言BERT，为芬兰语自然语言处理领域带来了显著进步。

FinBERT-FLS是一个基于BERT的金融文本分析模型，专门用于识别和分类财务报告中的前瞻性陈述。该模型在罗素3000指数公司年报的3500个人工标注句子上进行微调，可准确区分具体、非具体和非前瞻性陈述。这一工具有助于投资者高效分析公司管理层对未来的预期，从而提升金融分析质量。

FinBERT-ESG九分类模型是一款专业的企业可持续发展报告分析工具。该模型基于14,000个人工标注的ESG报告和年度报告样本训练而成，能够将文本准确分类为气候变化、自然资本、污染与废物等9个细分ESG主题。这一工具有助于投资者评估企业长期可持续性并识别相关风险，为金融文本分析提供了重要支持。

FinBERT模型通过FinnSentiment数据集进行精调，专为芬兰语情感分析设计。该模型使用90%的数据进行训练，10%用于评估，在准确率、F1评分、精确性和召回率方面表现出色。适用于需要高精度情感分析的场景，并支持研究与商业应用，遵循CC BY 4.0协议。