250 1

[公开数据] 中文财经新闻情绪与企业风险标注数据FinChina SA:1.1万篇新闻、190类风险标签的字段与获取 [推广有奖]

  • 0关注
  • 0粉丝

等待验证会员

学前班

0%

还不是VIP/贵宾

-

威望
0 级
论坛币
0 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
10 点
帖子
0
精华
0
在线时间
0 小时
注册时间
2026-11-6
最后登录
2026-11-6

楼主
全球经济23424 发表于 2026-11-6 11:03:37 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

一万一千篇中文财经新闻,两万一千多条企业级标注,正面标签只有 9 条。这不是标注失误,而是这套数据的用途决定的:它叫 FinChina SA,做的是企业风险预警,样本按「出问题」的方向收集。

 

数据集来自 IJCAI'23 FinLLM workshop 的论文《Chinese Fine-Grained Financial Sentiment Analysis with Large Language Models》,作者把数据和代码一起放在 GitHub 上,采用 Apache-2.0 许可。题面写的是「约 1.1 万篇新闻」,实际解开是 11,036 篇,训练集 9,933 篇、测试集 1,103 篇。

 

一条记录长什么样

 

每条新闻四个字段:

 

字段内容
newscode新闻编号,11 位数字
title标题,平均 26 字
text正文,平均 1,330 字
institution涉及的企业列表,一条新闻可以挂多家

 

真正有价值的是 institution 里嵌套的企业级标注,每家一个对象,四个子字段:

 

子字段含义
ins_name企业全称
sentiment_level情感等级,取值 -3、-2、-1、0、1、2
label_type风险事由,共 190 类
PriOrSec1 为新闻主体,2 为相关方

 

同一个新闻对象里,主体和相关方是分开标的。全部数据里主体标注 14,237 条、相关方标注 7,036 条,涉及 8,739 家企业。

 

标签体系比想象的细

 

190 类 label_type 里,出现最多的几类是:

 

标签标注条数
非负面指标(小类)4,199
行政处罚1,894
相关企业问题1,764
法律诉讼风险723
进行责任人调查或追责677
高层管理人员被调查664
受到问询关注604
财务亏损555

 

情感等级则高度偏负:-1 有 12,170 条,0 有 6,983 条,-2 有 1,886 条,-3 有 225 条,正的只有 9 条。做二分类实验时这个分布要留意,直接拿准确率当指标会失真。

 

新闻涉及几家企业

 

涉及企业数新闻条数
1 家5,753
2 家2,461
3 家1,333
4 家846
5 家及以上643

 

接近一半的新闻只挂一家企业,剩下的是多家。做企业级建模时,一篇新闻对多家企业的情感可能不同,不能拿新闻级别的一个标签套到所有企业上。

 

三件用之前要知道的事

 

没有独立的发布时间字段。 四个字段里只有 newscode,没有发布日期。想做时间序列或者事件研究,得自己从正文里抽日期,或者用 newscode 的号段去对齐,这一步没有现成字段可用。

 

样本是风险导向的。 新闻以行政处罚、诉讼、问询、亏损这类事由为主,正面样本几乎没有。拿它训练情感分类器,得到的模型擅长识别负面事件,不适合直接用来判断利好。

 

再分发要看两层许可。 仓库代码和数据打包采用 Apache-2.0,但新闻正文的著作权在原发布媒体,数据集作者没有、也无法代替媒体授权。自用研究一般没问题,把文本再对外分发或商用要单独核。

 

能做什么

 

  • 企业风险预警:把 label_type 当事件类型,训练从新闻到风险标签的多标签分类。
  • 企业级情感分析:以 institution 为单位建模,研究同一篇新闻对不同企业的影响差异。
  • 大模型微调与评测:论文本身用 Longformer、ChatGLM、Chinese-LLaMA-Alpaca 等做过对比实验,仓库里的 src/sft.py 和 src/inference.py 是配套的训练与推理脚本。
  • 标注数据入门:190 类标签、主体与相关方分离的结构,适合做标注规范设计的参考样本。

 

────────────────

数据集的 GitHub 地址、压缩包内文件结构、两个 JSON 的字段样例和获取步骤放在下面,回复后可见。


游客,如果您要查看本帖隐藏内容请回复

把经管之家装进你常用的 AI 智能体中

一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。

检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金

请点击查看安装教程与福利 →

说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


沙发
数字资产63806 发表于 2026-11-6 12:26:05
这个标签体系挺细,谢谢整理

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-11-19 01:42