本書在全面概述預訓練語言模型演進過程并對BERTology模型詳盡綜述的基礎(chǔ)上，將深度學習預訓練模型理論和金融行業(yè)實踐相結(jié)合，介紹了深度學習預訓練模型在人工智能產(chǎn)業(yè)、金融行業(yè)、金融科技領(lǐng)域的實戰(zhàn)項目案例，專注于金融文本情緒分類典型應用場景，揭示出特定領(lǐng)域預訓練模型潛在的一般規(guī)律。全書共分7章，分別為： 預訓練模型與金融文本情緒分類任務(wù)、預訓練語言模型關(guān)鍵技術(shù)、面向中文金融文本情緒分類的預訓練模型對比、FinWoBERT： 中文金融領(lǐng)域增強預訓練模型、GAN�睩inWoBERT： 對抗訓練的中文金融預訓練模型、FinWoBERT+ConvLSTM： 基于投資者情緒權(quán)重的科創(chuàng)50指數(shù)預測、總結(jié)與展望，每章內(nèi)容隨項目實踐的深入層層遞進、逐步展開。
本書適合自然語言處理、金融科技領(lǐng)域的研究人員和技術(shù)人員，高等學�；蚺嘤枡C構(gòu)教師和學生以及有意了解相關(guān)領(lǐng)域的學習者和愛好者閱讀。