metadata
license: mit
language:
- ru
pipeline_tag: text-classification
tags:
- sentiment-analysis
- multi-class-classification
- financial
- telegram
- rubert
- sentiment
- bert
- tiny
- russian
- multiclass
- classification
widget:
- text: >-
Сбер зафиксировал рост прибыли на 40% в декабре. Если банк сохранит эту
динамику, то бумаги могут легко превзойти текущий таргет — 12%. Это
довольно консервативный таргет, который бумаги могут легко превзойти, если
Сбер покажет прибыль выше уровня 2021 года. В этом году Сбер может
возобновить дивиденды, что может дать дополнительный импульс бумагам
банка.
example_title: Positive
- text: >-
Сегодня в еженедельной рубрике «Газпромбанк.Мнение» рассказываем о
ситуации в алмазодобывающий отрасли и об акциях Алросы. Как инвесторам
реагировать на мощное восстановление спроса на рынке алмазов за последний
год и остался ли потенциал для роста акций у российской ювелирной
компании?
example_title: Neutral
- text: >-
На фоне санкций и дефицита госбюджета РФ компания Северсталь может
потерять доступ к европейским рынкам. Причина — избыток сырья, из-за чего
цены реализации могли снизиться, а также риск повышения налоговой нагрузки
на фоне дефицита госбюджета РФ — все это создает неопределенность
относительно результатов в 2023 году.
example_title: Negative
This is seara/rubert-tiny2-russian-sentiment model fine-tuned for sentiment classification of short Russian financial posts from Telegram channels.
The task is a multi-class classification with the following labels:
0: neutral
1: positive
2: negative
Usage
from transformers import pipeline
model = pipeline(model="mxlcw/rubert-tiny2-russian-economic-sentiment")
model("""На фоне санкций и дефицита госбюджета РФ компания Северсталь может
потерять доступ к европейским рынкам. Причина — избыток сырья,
из-за чего цены реализации могли снизиться, а также риск повышения
налоговой нагрузки на фоне дефицита госбюджета РФ — все это создает
неопределенность относительно результатов в 2023 году.""")
#[{'label': 'negative', 'score': 0.9207897186279297}]
Dataset
This model was trained on the following dataset:
- Telegram Financial Sentiment (ru)
An overview of the training data can be found here.