FANAL——金融活动新闻警报语言建模框架
计算与语言
2025-11-20 v1 机器学习
摘要
在快速发展的金融领域，准确及时地解读新闻对于利益相关者应对不可预测事件至关重要。本文介绍了FANAL（金融活动新闻警报语言建模框架），这是一个专门为实时金融事件检测和分析而设计的BERT变体框架，可将新闻分类为十二个不同的金融类别。FANAL利用银标准标签数据，通过XGBoost进行处理，并采用先进的微调技术，以及ORBERT（比值比BERT），一种使用ORPO（比值比偏好优化）微调的新型BERT变体，以实现卓越的类别概率校准和与金融事件的相关性对齐。我们评估了FANAL与领先的大语言模型（如GPT-4o、Llama-3.1 8B和Phi-3）的性能，证明其在准确性和成本效率方面均具有优越性。该框架为金融情报和响应能力设立了新标准，在性能和可负担性方面均显著超越现有模型。
引用
@article{arxiv.2412.03527,
title = {FANAL -- Financial Activity News Alerting Language Modeling Framework},
author = {Urjitkumar Patel and Fang-Chun Yeh and Chinmay Gondhalekar and Hari Nalluri},
journal= {arXiv preprint arXiv:2412.03527},
year = {2025}
}
备注
Accepted for the IEEE International Workshop on Large Language Models for Finance, 2024. This is a preprint version