Kenpache/multilingual-financial-sentiment

--- license: apache-2.0 language: - en - zh - ja - de - fr - es - ar tags: - finance - sentiment-analysis - multilingual - financial-news - text-classification size_categories: - 10K<n<100K task_categories: - text-classification task_ids: - sentiment-classification --- # Multilingual Financial Sentiment Dataset A curated dataset of **39,829** financial news sentences annotated with sentiment labels (Negative / Neutral / Positive) across **7 languages**, collected from **80+ financial news sources** worldwide. ## Dataset Summary | | | |---|---| | **Total samples** | 39,829 | | **Languages** | 7 (EN, ZH, JA, DE, FR, ES, AR) | | **Labels** | 3 (negative, neutral, positive) | | **Format** | CSV | | **Sources** | 80+ financial news outlets | ## Languages | Language | Code | Samples | % of Total | |---|---|---|---| | Japanese | ja | 8,287 | 20.8% | | Chinese | zh | 7,930 | 19.9% | | Spanish | es | 7,125 | 17.9% | | English | en | 6,887 | 17.3% | | German | de | 5,023 | 12.6% | | French | fr | 3,935 | 9.9% | | Arabic | ar | 642 | 1.6% | ## Label Distribution ### Overall | Label | Count | % | |---|---|---| | Neutral | 18,130 | 45.5% | | Positive | 12,257 | 30.8% | | Negative | 9,442 | 23.7% | ### Per Language | Language | Negative | Neutral | Positive | |---|---|---|---| | Japanese | 1,767 | 3,376 | 3,144 | | Chinese | 1,921 | 3,126 | 2,883 | | Spanish | 1,641 | 3,842 | 1,642 | | English | 1,704 | 3,339 | 1,844 | | German | 1,392 | 2,425 | 1,206 | | French | 870 | 1,657 | 1,408 | | Arabic | 147 | 365 | 130 | ## Sources Data was collected from major financial news outlets across all target languages: - **English:** CNBC, Yahoo Finance, Fortune, Bloomberg, Reuters, Barron's, Benzinga, Seeking Alpha, Kiplinger, Business Insider, Moneycontrol, Zacks, FT - **Chinese:** Sina Finance, EastMoney, 10jqka, NBD, China Securities, 163 Finance, Hexun, STCN - **Japanese:** Nikkan Kogyo, Nikkei, Reuters JP, Minkabu, Asahi Business, ZUU Online, Toyo Keizai, ITmedia Business, Sankei Economy - **German:** Börse.de, NTV Börse, FAZ Finanzen, Wallstreet Online, Börse Online, OnVista, Manager Magazin, Tagesschau, Handelsblatt, WiWo, Süddeutsche - **French:** Boursorama, Tradingsat, BFM Business, Le Revenu, L'Expansion, Capital, Le Figaro Bourse, L'AGEFI, EasyBourse - **Spanish:** Estrategias de Inversión, Expansión, El Confidencial, Cinco Días, Bloomberg Línea, Investing.es, Bolsamanía, EFE Economía, Infobae Economía, El Financiero, Portafolio, DF.cl - **Arabic:** Al Khaleej Economy, Al Jazeera Economy, Sabq Economy, RT Arabic Economy, Okaz Economy, Sky News Business, Maaal, Al Arabiya Economy, CNBC Arabia ## Data Format CSV with 4 columns: | Column | Type | Description | |---|---|---| | `sentence` | string | Financial news text | | `label` | string | Sentiment: `negative`, `neutral`, or `positive` | | `source` | string | News source identifier | | `language` | string | ISO 639-1 language code | ## Loading the Dataset ```python from datasets import load_dataset dataset = load_dataset("Kenpache/multilingual-financial-sentiment") df = dataset["train"].to_pandas() # Filter by language en_data = df[df["language"] == "en"] # Filter by label positive = df[df["label"] == "positive"] ``` ### Direct CSV Loading ```python import pandas as pd df = pd.read_csv("hf://datasets/Kenpache/multilingual-financial-sentiment/all_languages_clean.csv") print(df.head()) ``` ## Sample Data | sentence | label | source | language | |---|---|---|---| | Revenue surged 40% year-over-year, beating expectations. | positive | yahoo_finance | en | | Die Aktie verlor nach der Gewinnwarnung deutlich an Wert. | negative | faz_finanzen | de | | 同社の業績は前年並みで推移している。 | neutral | nikkei | ja | | Les résultats du groupe sont conformes aux attentes. | neutral | boursorama | fr | ## License & Usage This dataset is released **for academic and non-commercial research only** under fair use / text and data mining exceptions (EU DSM Directive Art. 3). Each sample is a single short sentence (≤1-2 sentences) extracted for sentiment classification research. Copyright of original texts remains with their respective publishers, cited in the `source` field. **For commercial use**, you must obtain licenses from original sources directly. If you are a rights holder and want content removed, open an issue or email [e-mail] — we will remove within 48h. ## License Apache 2.0--- 许可证：Apache 2.0 语言： - 英语（en） - 中文（zh） - 日语（ja） - 德语（de） - 法语（fr） - 西班牙语（es） - 阿拉伯语（ar） 标签： - 金融（finance） - 情感分析（sentiment-analysis） - 多语言（multilingual） - 金融新闻（financial-news） - 文本分类（text-classification） 规模类别： - 10K<n<100K（10000至100000条样本） 任务类别： - 文本分类（text-classification） 任务子项： - 情感分类（sentiment-classification） --- # 多语言金融情感数据集 本数据集为经过精心整理的39829条金融新闻语句数据集，标注了情感标签（负面/中性/正面），覆盖7种语言，数据源自全球80余家金融新闻媒体。 ## 数据集概览 | | | |---|---| | **总样本数** | 39,829 | | **覆盖语言** | 7种（EN、ZH、JA、DE、FR、ES、AR） | | **标签类别** | 3种（负面、中性、正面） | | **数据格式** | CSV | | **数据来源** | 80余家金融新闻媒体 | ## 覆盖语言 | 语言 | 代码 | 样本数 | 占总样本比例 | |---|---|---|---| | 日语 | ja | 8,287 | 20.8% | | 中文 | zh | 7,930 | 19.9% | | 西班牙语 | es | 7,125 | 17.9% | | 英语 | en | 6,887 | 17.3% | | 德语 | de | 5,023 | 12.6% | | 法语 | fr | 3,935 | 9.9% | | 阿拉伯语 | ar | 642 | 1.6% | ## 标签分布 ### 整体分布 | 标签 | 数量 | 占比 | |---|---|---| | 中性 | 18,130 | 45.5% | | 正面 | 12,257 | 30.8% | | 负面 | 9,442 | 23.7% | ### 分语言分布 | 语言 | 负面 | 中性 | 正面 | |---|---|---|---| | 日语 | 1,767 | 3,376 | 3,144 | | 中文 | 1,921 | 3,126 | 2,883 | | 西班牙语 | 1,641 | 3,842 | 1,642 | | 英语 | 1,704 | 3,339 | 1,844 | | 德语 | 1,392 | 2,425 | 1,206 | | 法语 | 870 | 1,657 | 1,408 | | 阿拉伯语 | 147 | 365 | 130 | ## 数据来源 数据采集自覆盖所有目标语言的主流金融新闻媒体： - **英语**：CNBC、Yahoo Finance（雅虎财经）、Fortune（《财富》）、Bloomberg（彭博社）、Reuters（路透社）、Barron's（巴伦周刊）、Benzinga、Seeking Alpha、Kiplinger、Business Insider、Moneycontrol、Zacks、FT（英国《金融时报》） - **中文**：新浪财经（Sina Finance）、东方财富（EastMoney）、同花顺（10jqka）、每日经济新闻（NBD）、中国证券报（China Securities）、网易财经（163 Finance）、和讯网（Hexun）、证券时报网（STCN） - **日语**：Nikkan Kogyo、Nikkei（日经新闻）、Reuters JP（路透社日本版）、Minkabu、Asahi Business（朝日商业）、ZUU Online、Toyo Keizai（东洋经济）、ITmedia Business、Sankei Economy（产经经济） - **德语**：Börse.de、NTV Börse、FAZ Finanzen、Wallstreet Online、Börse Online、OnVista、Manager Magazin（《经理人杂志》）、Tagesschau（今日新闻）、Handelsblatt（《商报》）、WiWo、Süddeutsche（《南德意志报》） - **法语**：Boursorama、Tradingsat、BFM Business、Le Revenu、L'Expansion（《扩张》）、Capital（《资本》）、Le Figaro Bourse（费加罗财经）、L'AGEFI、EasyBourse - **西班牙语**：Estrategias de Inversión、Expansión（《扩张报》）、El Confidencial（《机密报》）、Cinco Días（《五天报》）、Bloomberg Línea、Investing.es、Bolsamanía、EFE Economía（埃菲社财经）、Infobae Economía、El Financiero（《金融家报》）、Portafolio、DF.cl - **阿拉伯语**：Al Khaleej Economy、Al Jazeera Economy（半岛电视台财经）、Sabq Economy、RT Arabic Economy（今日俄罗斯阿拉伯语财经）、Okaz Economy、Sky News Business（天空新闻财经）、Maaal、Al Arabiya Economy（阿拉伯电视台财经）、CNBC Arabia（CNBC阿拉伯频道） ## 数据格式 CSV格式，包含4列： | 列名 | 数据类型 | 描述 | |---|---|---| | `sentence` | 字符串 | 金融新闻文本 | | `label` | 字符串 | 情感标签：`negative`（负面）、`neutral`（中性）或`positive`（正面） | | `source` | 字符串 | 新闻来源标识 | | `language` | 字符串 | ISO 639-1语言代码 | ## 数据集加载 python from datasets import load_dataset dataset = load_dataset("Kenpache/multilingual-financial-sentiment") df = dataset["train"].to_pandas() # 按语言过滤数据 en_data = df[df["language"] == "en"] # 按标签过滤数据 positive = df[df["label"] == "positive"] ### 直接加载CSV文件 python import pandas as pd df = pd.read_csv("hf://datasets/Kenpache/multilingual-financial-sentiment/all_languages_clean.csv") print(df.head()) ## 样本示例 | 金融新闻语句 | 情感标签 | 新闻来源 | 语言代码 | |---|---|---|---| | 营收同比飙升40%，超出市场预期。 | positive | yahoo_finance | en | | 该公司发布盈利预警后，股价大幅下跌。 | negative | faz_finanzen | de | | 该公司业绩与上年持平。 | neutral | nikkei | ja | | 该集团业绩符合市场预期。 | neutral | boursorama | fr | ## 许可证与使用规范 本数据集仅可用于学术研究与非商业用途，符合合理使用/文本与数据挖掘豁免条款（欧盟数字单一市场指令第3条）。 每条样本均为单条短语句（1-2句以内），专为情感分类研究提取。原始文本的版权归各自发布方所有，相关信息已在`source`字段中注明。 **如需商业使用**，请直接与原始新闻来源获取授权许可。 若您为内容版权方并希望移除相关数据，请提交Issue或发送邮件至[e-mail]，我们将在48小时内处理。 ## 许可证 Apache 2.0