01 / 模型卡片
模型卡片
FinBERT-Tone 是一款专门针对金融领域文本情感分析的轻量级分类模型。不同于通用模型，它能精准识别金融语境下的“看涨”或“看跌”情绪，有效解决金融术语在通用语境中含义偏移的问题。该模型上手门槛极低，非常适合开发者集成到量化分析流水线、财报自动化分析或股市舆情监控系统中。如果你需要从海量金融新闻或公告中快速提取情绪指标，它是比通用 LLM 更高效、更专注的垂直方案。
模型类型text classification
提供方yiyanghkust
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:
yiyanghkust/finbert-tone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 yiyanghkust/finbert-tone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 yiyanghkust/finbert-tone 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('yiyanghkust/finbert-tone')Git 下载
请确保 Git LFS 已正确安装。
git lfs install
git clone https://www.modelscope.cn/yiyanghkust/finbert-tone.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/yiyanghkust/finbert-tone.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