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/finbert-tone-finetuned-finance-topic-classification

任务:

文本分类

类库:

PyTorch TensorBoard Transformers

数据集:

zeroshot/twitter-financial-news-topic 3Azeroshot/twitter-financial-news-topic

其他:

bert generated_from_trainer twitter-financial-topic-classification financial stocks twitter Eval Results
模型介绍 文件清单
英文

finbert-tone-finetuned-finance-topic-classification

此模型是对 yiyanghkust/finbert-tone 在 Twitter Financial News Topic 数据集上进行微调的版本。在评估集上达到以下结果：

  • 损失：0.509021
  • 准确率：0.910615
  • F1值：0.910647
  • 精确度：0.911335
  • 召回率：0.910615

模型描述

该模型根据给定的推文确定财经话题，包括20个不同的话题。鉴于类别标签的不平衡分布，权重被调整以关注样本较少的标签，从而提高整体性能。

使用和限制

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：64
  • 评估批大小：64
  • 种子：42
  • 优化器：Adam（betas=(0.9,0.999) 和 epsilon=1e-08）
  • 学习率调度器类型：线性
  • 训练轮数：20
  • 混合精度训练：Native AMP

训练结果

Training Loss Epoch Step Validation Loss Accuracy F1 Precision Recall
No log 1.0 266 0.5152 0.8552 0.8504 0.8508 0.8552
0.7618 2.0 532 0.3999 0.8790 0.8781 0.8842 0.8790
0.7618 3.0 798 0.3628 0.8943 0.8940 0.8958 0.8943
0.16 4.0 1064 0.3776 0.8997 0.9001 0.9025 0.8997
0.16 5.0 1330 0.4286 0.8999 0.9002 0.9022 0.8999
0.058 6.0 1596 0.4500 0.9043 0.9042 0.9055 0.9043
0.058 7.0 1862 0.4689 0.9021 0.9017 0.9026 0.9021
0.0267 8.0 2128 0.4918 0.9031 0.9029 0.9039 0.9031
0.0267 9.0 2394 0.5030 0.9048 0.9049 0.9060 0.9048
0.0177 10.0 2660 0.5052 0.9033 0.9034 0.9044 0.9033
0.0177 11.0 2926 0.5265 0.9036 0.9034 0.9055 0.9036
0.013 12.0 3192 0.5267 0.9041 0.9041 0.9058 0.9041
0.013 13.0 3458 0.5090 0.9106 0.9106 0.9113 0.9106
0.0105 14.0 3724 0.5315 0.9067 0.9067 0.9080 0.9067
0.0105 15.0 3990 0.5339 0.9084 0.9084 0.9093 0.9084
0.0068 16.0 4256 0.5414 0.9072 0.9074 0.9088 0.9072
0.0051 17.0 4522 0.5460 0.9092 0.9091 0.9102 0.9092
0.0051 18.0 4788 0.5438 0.9072 0.9073 0.9081 0.9072
0.0035 19.0 5054 0.5474 0.9072 0.9073 0.9080 0.9072
0.0035 20.0 5320 0.5484 0.9079 0.9080 0.9087 0.9079

框架版本

  • Transformers 4.25.1
  • Pytorch 1.13.0+cu116
  • Datasets 2.8.0
  • Tokenizers 0.13.2

作者:

Nicholas Muchinguri

数据集大小:

419.73 MB

相关推荐