用于 NLP 任务的高质量金融新闻数据集

此存储库包含从各个金融网站精心抓取的数据集。数据提取过程可确保文本高质量且准确，包括网站及其嵌入 PDF 的内容。 数据集特征 日期： 公告日期。 主题：财经新闻的主题。 内容：公告的全部内容，包括网站文本和 PDF。 附加处理字段 我们应用先进的 Mixtral 7X8 模型来生成以下附加字段： ParaphrasedSubject：原始主题的释义版本。 CompactedSummary：简洁的摘要，限制为 1.5 行。 DetailedSummary：内容的详细摘要。 影响：该公告的影响，总结为两行。 方法论 由于与 Mistral AI 团队进行了广泛的讨论和合作，用于生成附加字段的提示非常有效。这确保了数据集提供有价值的见解，并为进一步的分析和模型训练做好准备。

用法 该数据集可用于各种应用，包括但不限于： 财经新闻分析 抽象/提取摘要任务 机器学习模型训练 自然语言处理任务