arcee-ai 发布 SEC Filings Data 数据集, 应用在 金融监管、自然语言处理 领域

arcee-ai 本次发布的数据集 SEC Filings Data, 该数据集包含了从证券交易委员会（SEC）公告中提取的纯文本数据，经过阅读、清理、筛选和存储等处理流程，确保了数据质量，以便为模型训练提供高质量输入。在处理过程中，我们使用了如boto3（用于与AWS S3交互）和trafilatura（用于文本提取）等库，确保只有合适的格式被纳入模型训练。该数据集规模较大，涵盖了大量的SEC公告。任务是对金融监管数据进行领域适应，并评估语言模型在金融监管数据上的性能表现。

查看SEC Filings Data

Dataset card 内容： 

Files and versions 内容： 

关于 arcee-ai , -

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。