金融ドメイン向けに特化した日本語対応言語モデル KF-DeBERTa
中辛 の解説
KF-DeBERTa は Python の transformers ライブラリで利用可能な事前学習済みモデルです。DeBERTa-v2 アーキテクチャをベースに、一般テキストと金融特化テキストの両方で学習しており、KLUE ベンチマークで KLUE-RoBERTa (Large) を上回る平均スコア 82.83 を達成しています。金融ドメイン用の感情分析、記事分類、固有表現抽出では平均 95.27 のスコアを記録しており、すぐに実装できる状態で利用可能です。デモ・チュートリアルは Hugging Face Model Hub で確認できます。
こんなリポジトリです
こんなときに便利です
- 金融文書の感情分析と分類タスク
- 金融関連ニュース記事から企業・銘柄情報の自動抽出
- 金融Q&Aシステムの応答生成
主な機能
ほかとの違い
金融ドメイン特化テキストと一般テキストの両方で学習し、従来モデル比で金融タスクでは約 1～2 ポイント高い精度を維持しながら、一般ドメイン性能も競争力を保つ点が特色です。
このリポジトリの作り方
はじめてですか？ むずかしくありません — 上から順にたどれば、自分の環境で動かして味見できます。
準備するもの
- Python 3.6 以上
- transformers ライブラリ
- PyTorch
すぐに始める
- transformers ライブラリをインストールします。
pip install transformers torch
- モデルとトークナイザーをダウンロードします。
from transformers import AutoModel, AutoTokenizer
model = AutoModel.from_pretrained("kakaobank/kf-deberta-base")
tokenizer = AutoTokenizer.from_pretrained("kakaobank/kf-deberta-base")
- テキストをトークン化します。
text = "カカオバンクとエフエヌガイドが金融特化言語モデルを公開します。"
tokens = tokenizer.tokenize(text)
print(tokens)
- モデルに入力を渡して出力を取得します。
inputs = tokenizer(text, return_tensors="pt")
model_output = model(**inputs)
print(model_output)
ギット飯トライで味見
入れるのが面倒で少し不安だったなら — 安全スキャンからインストールまで、ターミナル一行で終わります。
ターミナルに貼り付ければ、ギット飯の安全スキャン → 隔離フォルダへ clone → インストール → 実行方法の案内まで自動です。はじめてでも大丈夫 — この一行だけです。
npx gitbap-try kakaobank/KF-DeBERTa
Node.js さえあれば、インストールなしで動きます · ギット飯トライとは？ →
スター推移 · 7日
確認日時
使いやすさ · まねしやすいか
- ゆるいライセンス
- テストあり
- サンプル集
- 最近の更新
- AGENTS.md
- llms.txt
- テンプレート
更新の情報なし · 2023 年に作成
「LLM ツール・RAG」 こういうリポジトリを毎週受け取りませんか？
毎週月曜の朝、選んだ一膳だけ。広告なし · いつでも解除。
自分のリポジトリですか？ README にギット飯バッジを貼る
[](https://www.gitbap.com/r/kakaobank/KF-DeBERTa)Claude からそのまま使う — ギット飯のつなぎ方
ギット飯を Claude につなぐと、こうしたリポジトリを Claude・Cursor・Codex から直接さがして試せます。
Claude の設定 → コネクタにこのアドレスを貼り付け。
https://www.gitbap.com/api/mcpプラグインを入れると /gitbap-trending·/gitbap-try のスラッシュコマンドで、その場でリポジトリを試せます。Claude Code で下の 2 行を順に実行してください。
/plugin marketplace add jakeparkcolde/gitbap-cowork/plugin install gitbap-cowork@gitbapAI が README をもとに要約しました · 原文を見る