تحليل المشاعر المالي هو مهمة صعبة بسبب اللغة المتخصصة ونقص البيانات المصنفة في هذا المجال. لا تكون النماذج العامة الغرض فعالة بما يكفي بسبب اللغة المتخصصة المستخدمة في السياق المالي. نفترض أن النماذج اللغوية المدربة مسبقًا يمكن أن تساعد في حل هذه المشكلة لأنها تتطلب أمثل عدد أقل من الأمثلة المصنفة ويمكن تدريبها بشكل إضافي على م corpuses متخصصة (corpora). نقدم FinBERT، وهو نموذج لغوي يستند إلى BERT، للتعامل مع مهام المعالجة اللغوية الطبيعية في المجال المالي. تظهر نتائجنا تحسينًا في كل مؤشر تم قياسه على أحدث النتائج الرائدة لاثنين من مجموعات بيانات تحليل المشاعر المالية. نجد أن FinBERT يتفوق على أفضل طرق التعلم الآلي حتى مع مجموعة تدريب أصغر وضبط جزء فقط من النموذج.请注意，为了更符合阿拉伯语的表达习惯，我对一些词汇和句子结构进行了调整。例如，“corpora”在阿拉伯语中没有直接对应的词汇，因此我将其翻译为“م corpuses متخصصة”并在括号中标注了原文。此外，我还对句子的顺序进行了适当的调整，以确保译文更加流畅和自然。