01 / 模型卡片
模型卡片
FinBERT 是一个专门针对金融领域微调的自然语言处理模型，基于 BERT 架构并使用了大规模金融语料库进行训练。与通用模型不同，它能精准识别金融文本中特有的语义倾向（例如“利率上升”在不同语境下的利好或利空），极大地解决了通用模型在处理专业财报、新闻时容易产生的误判。对于量化交易者或金融分析师来说，它是一个低门槛且高效的文本分类工具，可以直接集成到数据流水线中，将非结构化的金融资讯转化为可量化的情感指标。
模型类型text classification
提供方ProsusAI
许可状态See model card
02 / 文件与版本
模型文件与版本
03 / 模型下载
下载模型
推荐使用 ModelScope 命令行或 SDK 下载。下载前请先安装 ModelScope，并根据需要选择完整模型、单个文件、SDK 或 Git LFS 方式。
当前条目来源为 Hugging Face；以下命令使用同名 ModelScope 仓库格式，请先确认该仓库在 ModelScope 中可用。 模型仓库:
ProsusAI/finbert安装 ModelScope
下载前先安装命令行和 SDK 依赖。
pip install modelscope命令行下载完整模型库
下载完整模型权重、配置和模型卡片。
modelscope download --model ProsusAI/finbert下载单个文件到指定目录
这里以 README.md 为例，也可以替换为仓库内的其他文件。
modelscope download --model ProsusAI/finbert README.md --local_dir ./dirSDK 下载
适合在 Python 项目或自动化脚本中使用。
from modelscope import snapshot_download
model_dir = snapshot_download('ProsusAI/finbert')Git 下载
请确保 Git LFS 已正确安装。
git lfs install
git clone https://www.modelscope.cn/ProsusAI/finbert.git跳过 LFS 大文件下载
先获取仓库结构，之后再按需拉取大文件。
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/ProsusAI/finbert.git04 / 使用方法
如何使用
- 01步骤 1
阅读模型卡片和来源信息。
- 02步骤 2
从小型、非敏感任务开始评估。
- 03步骤 3
核对输出质量、许可和使用限制。
- 04步骤 4
验证通过后再纳入工作流。
05 / 讨论
讨论与反馈
这里保留讨论入口，方便继续核对来源、使用体验和维护状态。
前往来源页面