预训练语言模型｜研报情绪API发布

1. 介绍 预训练大模型：BBT 10亿参数， 微调：3000条标注数据，人工交叉标注三分类标签（正，负，中性） 准确度：93%（评判标准：0-0.4为负面，0.4-0.6为中性，0.6-1为正面） 继上一篇我们分析了不同场景下情绪分析的用处和意义，我们开放了基于BBT大模型的研报情绪分析能力，以API形式调用：  截止3月31日，我们提供每个客户每日1万次内的免费调用！ 调用代码如图，将文本作为content输入即可。 输出字段释义： “code：200”：请求成功 “msg”：情绪值，值域0-1连续值，0为极负，1为极正，数值大小代表情绪强度 2. 推荐使用方法 API输入可以是一整篇文章，可以是一个段落，也可以是一句话，长度限制为1024个字节。但根据对模型的微调过程，我们建议以一句话为单位作为模型输入，原因如下： - 一篇研报往往涉及多个行业及公司，整篇分析易混淆多个主体及其情绪，我们更推荐每句话进行“主体识别+情绪分析”的组合使用方式。 - 大篇幅语料其中的中性语句（在研报中“免责声明”类尤其多）会中和整篇的情绪，使得以整体作为的输出失去选股能力，且看不到行文间情绪的变化。 3. 研报文本特征 - 根据情绪值标色，红色为正面情绪，绿色为负面情绪，颜色深度为情绪强度，我们发现研报普遍更愿意输出正向观点。  - 将研报拆分为句子进行情绪分析，可以看到行文的观点变化，往往以段落为转折，且能看到情绪强度的增减趋势，以对文本进行更细致的量化处理。  - 同时可以过滤掉“免责声明”类的中性情绪噪声数据，使信号更有价值。