FinRuBERT

Fine-tuned модель для анализа тональности финансовых текстов на русском языке.

Описание

Модель была дообучена на датасете FinancialPhraseBank (русская версия) и предсказывает сентимент:

• Негативный (negative)
• Нейтральный (neutral)
• Позитивный (positive)

Данные обучения

Использовалась версия датасета с согласием аннотаторов ≥50% (4,840 примеров):

• Sentences_50Agree.csv из FinancialPhraseBank-v1.0-ru

Использование

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline

model_name = "apkonsta/finrubert"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)
result = classifier("""Чистая прибыль "ЛУКОЙЛа" (MOEX: LKOH) в 2023 году по МСФО составила 1,155 трлн руб., сообщила компания.В первом полугодии чистая прибыль нефтекомпании составила 564,1 млрд рублей. Таким образом, чистая прибыль по итогам второго полугодия - 590,6 млрд рублей, что выше консенсус-прогноза "Интерфакса" (589 млрд рублей).
                    """)

print(result)  # [{'label': 'positive', 'score': 0.7818681001663208}]