BBT-FinCorpus

BBT-FinCorpus是由上海数据科学重点实验室创建的大型中文金融领域数据集，包含约300GB的原始文本，来源于金融新闻、公司公告、研究报告和社交媒体等四个不同渠道。该数据集的创建旨在丰富金融领域的文本多样性，支持金融预训练语言模型的开发。通过精细的收集和处理，BBT-FinCorpus覆盖了金融NLP任务中的主要文本类型，为金融领域的语言理解和生成任务提供了丰富的数据资源。该数据集的应用领域广泛，特别适用于金融信息提取、情感分析等任务，旨在提升中文金融NLP的整体水平。

arXiv 收录