furkanyllmz/kap-turkish-financial-sentiment

KAP Turkish Financial Sentiment Dataset

Türkçe KAP (Kamuyu Aydınlatma Platformu) bildirimleri için çok boyutlu finansal analiz dataseti.

Dataset Bilgileri

Kullanım Alanları

• —Türkçe finansal sentiment analizi
• —KAP bildirimi sınıflandırma
• —Volatilite tahmini
• —İlişkili taraf işlemi tespiti
• —LLM fine-tuning (Qwen, Llama, Mistral vb.)

Dataset Formatı

Her kayıt chat messages formatındadır:

{
  "messages": [
    {
      "role": "user",
      "content": "KONU: Devre Kesici Uygulaması\nÖZET: İşlemler durduruldu\nMETİN:\n..."
    },
    {
      "role": "assistant", 
      "content": "{\"sentiment\": -40, \"volatility\": 5, \"is_related_party\": 0, \"currency_impact\": 0, \"category\": \"GENEL_BILGI\"}"
    }
  ]
}

🏷️ Label Açıklamaları

Sentiment (-40 ile +50)

Volatility (0-5)

Category

Diğer Alanlar

• —is_related_party: İlişkili taraf işlemi (0: Hayır, 1: Evet)
• —currency_impact: Döviz etkisi (0: Etkisiz, 2: Döviz etkisi var)

Dataset İstatistikleri

Sentiment Dağılımı

Kategori Dağılımı

Volatility Dağılımı

🚀 Kullanım

Datasets Kütüphanesi ile

from datasets import load_dataset

dataset = load_dataset("furkanyllmz/kap-turkish-financial-sentiment")

# İlk örneği göster
print(dataset["train"][0])

Fine-tuning için

from datasets import load_dataset

dataset = load_dataset("furkanyllmz/kap-turkish-financial-sentiment")

# Train/test split
train_test = dataset["train"].train_test_split(test_size=0.1, seed=42)
train_data = train_test["train"]
test_data = train_test["test"]

MLX-LM ile Fine-tuning

# Veriyi indir
python -c "from datasets import load_dataset; ds = load_dataset('furkanyllmz/kap-turkish-financial-sentiment'); ds['train'].to_json('data/train.jsonl')"

# Fine-tune
python -m mlx_lm.lora \
  --model mlx-community/Qwen2.5-7B-Instruct-4bit \
  --train \
  --data ./data \
  --iters 6000

Önemli Notlar

1. 1.Volatility=5 Kuralı: Sadece metinde "DEVRE KESİCİ" kelimesi geçen kayıtlarda volatility=5 atanmıştır.

1. 1.Nötr Ağırlığı: Dataset %64.5 nötr içerir. Fine-tuning sırasında class weights kullanmanız önerilir.

1. 1.Chat Format: Dataset, instruction-tuned modeller için chat messages formatındadır.

🔧 Oluşturma Pipeline

1. 1.KAP'tan ham bildirimler toplandı (3,341 dosya)
2. 2.GPT-4 ile etiketleme yapıldı (label'lar)
3. 3.Label'lar sayısal skorlara dönüştürüldü
4. 4.Gürültü filtreleme ve dengeleme uygulandı
5. 5.Final dataset: 3,839 kayıt

Lisans

MIT License

👥 Katkıda Bulunanlar

Teşekkürler

• —KAP - Kamuyu Aydınlatma Platformu

İletişim

Dataset ile ilgili sorularınız için issue açabilirsiniz.

Yapımcılar: @furkanyllmz · @aleynatasdemir