ez3nx/ru-tpulse-finance-sentiment

🇷🇺 FinSentiment: Анализ сентимента финансовых постов

Модель дообучена на 3 класса (вместо 5) для анализа сентимента русскоязычных комментариев с платформы Тинькофф Пульс

Базовая модель: tabularisai/multilingual-sentiment-analysis

Задача: Дообучена под классификацию текста на 3 классах:

• Positive (Бычий настрой, рекомендация к покупке)
• Neutral (Нейтральный настрой)
• Negative (Медвежий настрой, рекомендация к продаже)

🚀 Как Использовать (transformers)

1. Установите необходимые библиотеки:

   pip install transformers accelerate torch
   

2. Загрузите модель и токенизатор:

   #TODO
   

⚙️ Fine-tuning params

• Гиперпараметры Обучения:
  • learning_rate: 2e-5
  • batch_size (per_device): 16
  • gradient_accumulation_steps: 4
  • num_train_epochs: 6
  • weight_decay: 0.0004
  • lr_scheduler_type: 'cosine'
  • warmup_ratio: 0.2
• Обучающий датасет:
• При помощи Yandex GPT5 Lite и Qwen3-14B были разменчены 40.000+ комментариев пользователей с платформы Тинькофф Пульс по бумагам SBER, LKOH, SGZH, MTLR за 2023-2025 год.

📊 Метрики Качества (на валидации)

Эпоха	Training Loss	Validation Loss	Accuracy	Precision (Weighted)	Recall (Weighted)	F1-score (Weighted)
1	0.9516	0.8098	0.6470	0.6506	0.6470	0.6470
2	0.7500	0.7200	0.6902	0.7011	0.6902	0.6900
3	0.6281	0.6945	0.7137	0.7140	0.7137	0.7136
4	0.5379	0.7047	0.7168	0.7183	0.7168	0.7167
5	0.4340	0.6902	0.7188	0.7173	0.7174	0.7169

Примечание: TODO

📝 Замечания

• Модель предназначена для анализа тональности текстов на русском языке в контексте фондового рынка.
• TODO

📜 Лицензия

Эта модель распространяется под лицензией Apache 2.0