![870657a46800f8f7479e707a9288a0fc.png](https://i-blog.csdnimg.cn/blog_migrate/e82844ac8a0b12be4ecef6988e4170b5.jpeg)
来源:AINLPer微信公众号
编辑: ShuYini
校稿: ShuYini
时间: 2020-1-15
TILE: FinBERT: Financial Sentiment Analysis with Pre-trained Language Models.
Contributor : Prosus AI
Paper: https://openreview.net/pdf?id=HylznxrYDr
Code: https://github.com/ProsusAI/finBERT
文章摘要
当前许多情感分类解决方案在产品或电影评论数据集中获得了很高的分数,但是在金融领域中,这些方法的性能却大大落后。 出现这种差距的原因是行业专用语言表达,它降低了现有模型的适用性,并且缺乏高质量的标记数据来学习特定领域的积极和消极的新上下文。在没有大量训练数据集的情况下,迁移学习可以成功地适应新领域。本文探讨了NLP迁移学习在金融情感分类中的有效性。本文提出了一个基于BERT的语言模型FinBERT,它将一个金融情绪分类任务在FinancialPhrasebank数据集中的最新性能提高了14个百分点。
文章贡献
1、引入FinBERT,这是一个基于BERT的语言模型,用于金融