注册
资讯
学习
基础知识 理论实践 学习教程
企业 招聘
下载
模型 数据集
AI工具箱
企业服务
EVA 智能HR 视频AI
ChatGPT 人工智能应用 人工智能未来 计算机视觉
热门新闻
机器人 康奈尔大学

康奈尔大学推出新的社交机器人，更柔软，更人性化
行业 人工智能

为什么数据污染对LLM来说是一个大问题
行业 人工智能

所以，能动手就别吵吵了
常用工具
ChatGPT

OpenAI旗下AI对话工具
Midjourney

AI图像和插画生成工具，测试测试测试测试测试测测试
Stable Diffusion

StabilityAI推出的文本到图像生成AI
GitHub Copilot

GitHub AI编程工具
文心一言

百度推出的基于文心大模型的AI对话互动工具
讯飞星火认知大模型

科大讯飞推出的类ChatGPT的讯飞星火认知大模型
心流

阿里旗下推出的AI搜索助手

模型:

nickmuchi/deberta-v3-base-finetuned-finance-text-classification

任务:

文本分类

类库:

PyTorch TensorBoard Safetensors Transformers

数据集:

financial_phrasebank Kaggle_Self_label nickmuchi/financial-classification 3Anickmuchi/financial-classification 3AKaggle_Self_label 3Afinancial_phrasebank

其他:

deberta-v2 generated_from_trainer financial-sentiment-analysis sentiment-analysis sentence_50agree stocks sentiment finance

许可:

mit
模型介绍 文件清单
英文

deberta-v3-base-finetuned-finance-text-classification

这个模型是对 microsoft/deberta-v3-base 在sentence_50Agree上进行微调的版本， financial-phrasebank + Kaggle Dataset 是一个包含4840条金融新闻的数据集，按情感（负面、中性、正面）进行分类。Kaggle的数据集包括Covid-19情感数据，可以在这里找到 sentiment-classification-selflabel-dataset 。

它在评估集上取得以下结果：

  • 损失：0.7687
  • 准确度：0.8913
  • F1分数：0.8912
  • 精确度：0.8927
  • 召回率：0.8913

模型描述

需要更多信息

预期用途和限制

需要更多信息

训练和评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

  • 学习率：2e-05
  • 训练批大小：16
  • 评估批大小：16
  • 种子：42
  • 优化器：Adam，beta=(0.9,0.999)，epsilon=1e-08
  • 学习率调度器类型：线性
  • 训练轮数：15
  • 混合精度训练：Native AMP

训练结果

Training Loss Epoch Step Validation Loss Accuracy F1 Precision Recall
No log 1.0 285 0.4187 0.8399 0.8407 0.8687 0.8399
0.5002 2.0 570 0.3065 0.8755 0.8733 0.8781 0.8755
0.5002 3.0 855 0.4148 0.8775 0.8775 0.8778 0.8775
0.1937 4.0 1140 0.4249 0.8696 0.8699 0.8719 0.8696
0.1937 5.0 1425 0.5121 0.8834 0.8824 0.8831 0.8834
0.0917 6.0 1710 0.6113 0.8775 0.8779 0.8839 0.8775
0.0917 7.0 1995 0.7296 0.8775 0.8776 0.8793 0.8775
0.0473 8.0 2280 0.7034 0.8953 0.8942 0.8964 0.8953
0.0275 9.0 2565 0.6995 0.8834 0.8836 0.8846 0.8834
0.0275 10.0 2850 0.7736 0.8755 0.8755 0.8789 0.8755
0.0186 11.0 3135 0.7173 0.8814 0.8814 0.8840 0.8814
0.0186 12.0 3420 0.7659 0.8854 0.8852 0.8873 0.8854
0.0113 13.0 3705 0.8415 0.8854 0.8855 0.8907 0.8854
0.0113 14.0 3990 0.7577 0.8953 0.8951 0.8966 0.8953
0.0074 15.0 4275 0.7687 0.8913 0.8912 0.8927 0.8913

框架版本

  • Transformers 4.19.2
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.2
  • Tokenizers 0.12.1

作者:

Nicholas Muchinguri

数据集大小:

1.38 GB

相关推荐