RA-FinBERT

新的RA-FinBERT模型通过基于规则的特征提升金融情感分析能力

研究人员开发了RA-FinBERT，一个新颖的金融情感分析框架，通过将规则派生特征与预训练语言模型相结合来提高准确性。该方法结合了VADER的情感比例和源元数据与FinBERT的上下文表示。由此产生的RA-FinBERT模型引入了最少的额外可训练权重，使其在低资源环境中效率很高。评估表明，RA-FinBERT的性能优于纯文本FinBERT基线模型和DistilBERT模型，显著提高了金融新闻情感分类的准确性和宏观F1分数。