Modelo de linguagem para análise de sentimentos de textos em português do mercado financeiro, treinado com base no paper FinBERT-PT-BR: Sentiment Analysis of Texts in Portuguese from the Financial Market e no dataset disponibilizado pelos autores.

O modelo classifica textos financeiros em três categorias de sentimento: positivo, negativo e neutro.

Descrição do modelo

Trata-se de um modelo baseado na arquitetura BERT, ajustado (fine-tuned) para o domínio financeiro em língua portuguesa. Ele é capaz de interpretar notícias, relatórios, comentários de analistas e outros textos do mercado financeiro brasileiro, atribuindo a cada um deles uma polaridade de sentimento.

Idioma: Português (PT-BR)
Tarefa: Classificação de texto (análise de sentimentos)
Arquitetura base: BERT
Classes: Positivo, Negativo, Neutro
Domínio: Mercado financeiro

Como usar

Com `pipeline`

python

from transformers import pipeline

classifier = pipeline(
    "text-classification",
    model="seu-usuario/Sentiments-FinBERT-PT-BR"
)

resultado = classifier("As ações da empresa subiram após o balanço positivo.")
print(resultado)

Com `AutoModel`

python

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("seu-usuario/Sentiments-FinBERT-PT-BR")
model = AutoModelForSequenceClassification.from_pretrained("seu-usuario/Sentiments-FinBERT-PT-BR")

texto = "O lucro líquido da companhia caiu 30% no trimestre."
inputs = tokenizer(texto, return_tensors="pt", truncation=True, padding=True)

with torch.no_grad():
    logits = model(**inputs).logits

predicao = torch.argmax(logits, dim=-1).item()
print(model.config.id2label[predicao])

Casos de uso

Monitoramento de sentimento em notícias financeiras
Análise de relatórios e comunicados ao mercado
Apoio a estratégias de investimento baseadas em sentimento (sentiment-based trading)
Pesquisa acadêmica em finanças e PLN

Limitações e vieses

O modelo foi treinado especificamente com textos do mercado financeiro brasileiro e pode apresentar desempenho reduzido em outros domínios ou variantes do português. Como qualquer modelo treinado a partir de dados reais, pode reproduzir vieses presentes no conjunto de dados original. Recomenda-se validação humana em aplicações críticas ou de tomada de decisão financeira.

Dataset

O modelo foi treinado com o dataset Sentiments-FinBERT-PT-BR, disponibilizado pelos autores do paper original.

Referência

Caso utilize este modelo, por favor cite o trabalho original:

SANTOS, Lucas L.; BIANCHI, Reinaldo A. C.; COSTA, Anna H. R. FinBERT-PT-BR: Análise de Sentimentos de Textos em Português do Mercado Financeiro. Anais do II Brazilian Workshop on Artificial Intelligence in Finance, 2023, p. 144–155.

bibtex

@inproceedings{santos2023finbertptbr,
  title={FinBERT-PT-BR: An{\'a}lise de Sentimentos de Textos em Portugu{\^e}s do Mercado Financeiro},
  author={Santos, Lucas L. and Bianchi, Reinaldo A. C. and Costa, Anna H. R.},
  booktitle={Anais do II Brazilian Workshop on Artificial Intelligence in Finance},
  pages={144--155},
  year={2023}
}

Licença

Este modelo é distribuído sob a licença Apache 2.0. Ajuste conforme a licença aplicável ao seu uso.

guilhermesumita000/Sentiments-FinBERT-PT-BR

Sentiments-FinBERT-PT-BR