BondSenti：基于BERT的债券违约情绪分析

0. 项目介绍

第19届“花旗杯”金融创新应用大赛参赛作品，获得全国总决赛二等奖。以BERT模型为核心，组合实体抽取和消歧、情绪分析两个下游任务，抽取出非结构化文本中的债券实体和公司实体，并分别对相应实体进行对应文本的情绪分析，为债券违约提供参考，并将模型封装部署到了Web端。

1. 运行环境

本项目使用python == 3.7.4开发，主要使用到的库版本如下，详情见requirements.txt：

pytorch == 1.7.1 
pytorch-crf == 0.7.2  
pytorch-transformers == 1.2.0
numpy==1.21.6
pandas==1.3.5
Flask == 2.2.2 

2. 算法模型

• 实体识别模型：BERT(wwm)-BiLSTM-CRF

• 实体消歧模型：Jaro-Winkler Distance

• 情绪分析模型：BERT(FT)-Pool-MLP

3. 运行方式

3.1 安装Python环境

3.2 下载辅助文件（包含bert-base-chinese和output两个文件夹）：https://drive.google.com/file/d/13IYKsJBv-2gNHqJZDfmPp5foeNDrGeJq/view?usp=sharing 解压后将这两个文件夹放到与项目同级的目录，具体结构如下：

- 项目根目录
  - Flask_Web
    - api.py
    - models.py
    - predict.py
    - ...
  - bert-base-chinese
    - config.json
    - ...
  - output
  	- pytorch_model.bin
  	- MLP_best_MSE.pth
  	- BERT_best_MSE.pth
  	- ...

3.3 进入Flask_Web目录启动项目

python api.py

项目展示

海报

实验结果

项目介绍页面

金融实体识别及情绪分析页面

关于我们页面