News Sentiment Finbert

⚙️ 本技能遵循公共运行环境契约（最高优先级，先于本文其余内容执行）： 详见 _shared/env-contract.md，执行前先读它。

新闻情绪识别（FinBERT）安装与运维技能

QuantMind 的 RSS 新闻情绪识别管线：Huntly 抓取 → celery 每分钟 enrich → 股票/行业/事件标签 + 情绪分 → news_article_enrichment 表 → 前端 RSS 面板/个股资讯 Tab 展示利好/利空。

本技能覆盖情绪层的安装、验证、重算、排查、词库增强。

1. 架构与数据流

Copy code
Huntly (RSS 抓取, 381 源, 41.5 万文章)
  → celery-beat 每 60s: news-enrich-recent (run_enrichment_batch)
  → NewsMatcher (Aho-Corasick + finance_lexicon 5 万词: 股票/行业/事件/情感)
  → sentiment.score() (两级融合)
      字典法 dict_score (finance_lexicon sentiment_pos/neg 词权重差)
      + FinBERT (bardsai/finance-sentiment-zh-base, CPU, conf≥0.55 才融合)
  → 写入 news_article_enrichment 表 (model_version 带 +finbert 后缀表示 FinBERT 生效)
  → 前端:
      /rss-news  NewsPanel: 情绪筛选/利好利空强度排序/统计栏情绪分布条形图
      个股终端「个股资讯」Tab: 每篇利好/利空标签 (stock_news 关联 enrichment)

情绪词库：finance_lexicon 已从最初的 230 词扩充到 51,887 词（sentiment_pos 27,227 / sentiment_neg 24,089 / event 571），来源见第 6 节。

6. 情绪词库增强（从 230 词 → 5 万词）

情绪词分两级来源，统一存 finance_lexicon：

6.1 现成情感词典（通用，可复现导入）

6.2 RSS 标题提炼（金融语境，最精准）

用 41.5 万条 Huntly 标题 + enrichment 已有情绪标签，做共现统计（对数似然比 LLR 筛选）：

• bearish 标题高频词 → 负向金融情绪词（下跌/暴跌/跌破/违规/立案/警示）
• bullish 标题高频词 → 正向金融情绪词（涨超/涨停/新高/买入/上调）
• 产出 5,705 词，贴合 A股/监管/业绩语境，通用词典覆盖不到的（如"暂停开户""被重锤"）都在这

6.3 复现导入

bashCopy code
# 词表已固化: backend/scripts/data/finance_sentiment_lexicon.tsv (51,213 词)
# 导入脚本: backend/scripts/import_sentiment_lexicon.py
# 本地
python3 backend/scripts/import_sentiment_lexicon.py
# 容器
docker exec quantmind python3 /app/backend/scripts/import_sentiment_lexicon.py

导入后重载 matcher：

bashCopy code
curl -s -X POST -H "$AUTH" "$BASE/api/v1/news/enrichment/run"  # 触发重算

6.4 新增情绪词的完整流程

1. 从新数据源提取词（如再跑 RSS 统计）
2. 写入 backend/scripts/data/finance_sentiment_lexicon.tsv（term\tpos|neg\tweight）
3. 跑 import_sentiment_lexicon.py 导入
4. 触发 /enrichment/run 或 rebuild 让新词生效

2. 情绪不生效 / 全是中性 的排查（最常见）

症状：RSS 面板里利好/利空占比极低（<5%），几乎全 neutral，置信度恒 0.3。

根因：FinBERT 模型没装上（容器缺 transformers），回退纯字典法，而字典法词太少打不出分。

判断方法：查 model_version 有没有 +finbert 后缀。

bashCopy code
docker exec quantmind python3 -c "
import asyncio
from backend.shared.database_manager_v2 import get_session
from sqlalchemy import text
async def main():
    async with get_session() as s:
        r = await s.execute(text(\"SELECT sentiment_label, COUNT(*) FROM news_article_enrichment WHERE model_version LIKE '%finbert%' GROUP BY sentiment_label ORDER BY 2 DESC\"))
        print('+finbert 分布:', r.fetchall())
        r = await s.execute(text(\"SELECT COUNT(*) FROM news_article_enrichment WHERE model_version NOT LIKE '%finbert%'\"))
        print('无 finbert 条数:', r.fetchone()[0])
asyncio.run(main())
"

• 有 +finbert 且有 bullish/bearish 分布 → FinBERT 正常
• 全 neutral / 无 +finbert → FinBERT 没生效，按第 3 节处理

3. 安装 / 修复 FinBERT

3.1 检查 transformers 是否在容器里

bashCopy code
docker exec quantmind python3 -c "import transformers; print(transformers.__version__)"
# celery worker 也要有（enrich/rebuild 在 celery 里跑）
docker exec quantmind-celery python3 -c "import transformers; print(transformers.__version__)"

3.2 缺的话手动装（临时修复，镜像重建后固化）

bashCopy code
docker exec quantmind pip install --no-cache-dir transformers
docker exec quantmind-celery pip install --no-cache-dir transformers

3.3 下载/同步 FinBERT 权重（~100MB，离线可用）

bashCopy code
# 触发下载（首次）
docker exec quantmind python3 -c "
from backend.services.api.news import sentiment as s
s._model_ready=False; s._model_failed=False
s._try_load(); print('ready=', s._model_ready)
"
# 权重缓存位置: /root/.cache/huggingface/hub/models--bardsai--finance-sentiment-zh-base
# celery worker 复用（主容器导出 → tar 管道 → celery 导入）
docker exec quantmind tar -C /root/.cache/huggingface/hub -cf - models--bardsai--finance-sentiment-zh-base \
  | docker exec -i quantmind-celery sh -c 'mkdir -p /root/.cache/huggingface/hub && tar -C /root/.cache/huggingface/hub -xf -'

3.4 验证 FinBERT 可用

bashCopy code
docker exec quantmind-celery python3 -c "
import os
os.environ['HF_HUB_OFFLINE']='1'
from transformers import pipeline
p = pipeline('sentiment-analysis', model='bardsai/finance-sentiment-zh-base', device=-1)
print(p('公司业绩暴雷，股价暴跌')[0])   # 期望 label=negative, score>0.9
"

3.5 重启 celery worker 让新代码/新依赖生效

bashCopy code
docker restart quantmind-celery
sleep 8
# 确认后台加载成功
docker exec quantmind-celery python3 -c "
from backend.services.api.news import sentiment as s
s._ensure_loading()
import time
for _ in range(40):
    if s.is_available(): break
    time.sleep(1)
print('FinBERT ready:', s.is_available())
"

4. 触发全量重算（历史情绪重打）

model_version 变了（比如补上 +finbert 后）需要重算历史才能让旧文章带上情绪。force=true 全量重算 41 万条 Huntly 文章，约 3-4 小时后台跑。

bashCopy code
TOKEN=$(curl -s -X POST $BASE/api/v1/auth/login -H "Content-Type: application/json" \
  -d '{"username":"admin","password":"admin123","tenant_id":"default"}' \
  | python3 -c "import sys,json; print(json.load(sys.stdin).get('access_token',''))")

# 全量重算（force=true 覆盖已 enrich 的）
curl -s -X POST -H "Authorization: Bearer $TOKEN" \
  "$BASE/api/v1/news/enrichment/rebuild-all?force=true"
# 或增量（跳过 model_version 已是最新的）
curl -s -X POST -H "Authorization: Bearer $TOKEN" \
  "$BASE/api/v1/news/enrichment/rebuild-all"

# 查进度
curl -s -H "Authorization: Bearer $TOKEN" "$BASE/api/v1/news/enrichment/rebuild-progress"

注意：rebuild 在 celery worker 的后台线程跑，重启 celery 会中断 rebuild。重算期间别重启 celery。

5. 字典法增强（FinBERT 不可用时的兜底）

情绪是两级融合，FinBERT 置信度 <0.55 或不可用时用字典法。字典词在 finance_lexicon 表（kind=sentiment_pos/neg，weight 为强度）。

扩充方式：

1. 改仓库 backend/scripts/seed_a_share_stocks.py 的 _BUILTIN_SENTIMENT_POS/NEG 常量（已含 2026-08 扩充的 ~80 个词）
2. 重跑 seed：

bashCopy code
docker exec quantmind python3 /app/backend/scripts/seed_a_share_stocks.py

3. 或直接 SQL 插入（幂等，先查后插）：

bashCopy code
docker exec quantmind python3 -c "
import asyncio
from backend.shared.database_manager_v2 import get_session
from sqlalchemy import text
async def main():
    async with get_session() as s:
        await s.execute(text(\"INSERT INTO finance_lexicon (term, kind, weight, enabled) VALUES ('涨停','sentiment_pos',1.0,true)\"))
        await s.commit()
asyncio.run(main())
"

4. 词表改动立即生效（NewsMatcher 每 600s 重载 / 可触发 /enrichment/run 重算新文章）

6. 情绪数据怎么用（前端已就绪）

7. 相关代码文件

• backend/services/api/news/sentiment.py — FinBERT 懒加载/后台加载/失败重试（_RETRY_AFTER 冷却 300s）
• backend/services/api/news/enricher.py — enrich 管线，0.6字典+0.4FinBERT 融合
• backend/services/api/news/matcher.py — Aho-Corasick 匹配 + 字典分
• backend/scripts/seed_a_share_stocks.py — finance_lexicon 内置词（含情绪词）
• backend/scripts/import_sentiment_lexicon.py — 5 万情绪词批量导入脚本（可复现）
• backend/scripts/data/finance_sentiment_lexicon.tsv — 合并情绪词表 51,213 词（RSS提炼+DLUT+pysenti+NTUSD）
• backend/services/api/routers/news.py — /news/* 路由（articles/enrichment/stats/sources）
• backend/services/api/routers/stock_terminal.py — /stock-terminal/news 个股资讯（带情绪标签）
• electron/src/features/news/components/NewsPanel.tsx — RSS 面板（情绪分布条形图）
• electron/src/features/stock-terminal/components/tabs/NewsTab.tsx — 个股资讯情绪标签
• docker/Dockerfile.oss + requirements/ai.txt — transformers 依赖 + FinBERT 权重预下载

8. 相关技能

• [[quantmind-operations]] — RSS 新闻对接与分析（文章拉取/过滤/富化统计）
• [[quantdb-fields]] — 数据字段口径