Предмет. Мультимодальная база знаний в области экономики и финансов. Цели. Разработка методики и построение прототипа мультимодальной базы знаний для поддержки экспертных решений. Методология. Использованы методы системного, сравнительного, логического и структурного анализа, методы глубокого обучения. Результаты. Разработана методика построения и прототип мультимодальной базы знаний в области применения современных моделей глубокого обучения в экономике и финансах. Прототип реализован в рамках концепции цифровой модели эксперта в виде интерактивного графа знаний на основе сбора и обработки научных публикаций по экономике и финансам, представленных на портале arxiv.org за период с 2003 по 2025 г. База знаний дополнена модулем, содержащим публикации электронной библиотеки МГУ им. М.В. Ломоносова, а также реализована интерактивная графовая онтология и вопросно-ответная система. Выводы. Мультимодальная база знаний как элемент цифровой модели эксперта обеспечивает формирование более полной и объективной картины применения современных методов и моделей глубокого обучения в области экономики и финансов в режиме онлайн и позволяет повысить качество и глубину научной и научно-технической экспертизы.
Ключевые слова: мультимодальная база знаний, графы знаний, базы знаний, глубокое обучение, онтологии
Список литературы:
Arogundade O.R. Structuring Knowledge Bases with AI and Machine Learning. Information and Knowledge Management, 2023, vol. 13, no. 1. DOI: 10.7176/IKM/13-1-03
Athey S. The impact of machine learning on economics. In: Agrawal A., Gans J., Goldfarb A. The Economics of Artificial Intelligence: An Agenda, 2018, pp. 507–547.
Mullainathan S., Spiess J. Machine learning: An applied econometric approach. Journal of Economic Perspectives, 2017, vol. 31, no. 2, pp. 87–106.
Nosratabadi S., Mosavi A., Duan P. et al. Data science in economics: Comprehensive review of advanced machine learning and deep learning methods. Mathematics, 2020, vol. 8, iss. 10, 1799. DOI: 10.3390/math8101799 EDN: WYKUXR
Bahoo S., Goodell J.W., Rhattat R., Shahid S. Artificial Intelligence in Economics Research: What Have We Learned? What Do We Need to Learn? Journal of Economic Surveys, 2025, vol. 39, iss. 5, pp. 2194–2214. DOI: 10.1111/joes.12694 EDN: UVLYKH
Mienye E., Jere N., Obaido G. et al. Deep learning in finance: A survey of applications and techniques. AI, 2024, vol. 5, pp. 2066–2091. DOI: 10.20944/preprints202408.1365.v1 EDN: BPOUPQ
Sahu S.K., Mokhade A., Bokde N.D. An overview of machine learning, deep learning, and reinforcement learning-based techniques in quantitative finance: recent progress and challenges. Applied Sciences, 2023, vol. 13, no. 3, 1956. DOI: 10.3390/app13031956 EDN: WYTQIV
Ozbayoglu A.M., Gudelek M.U., Sezer O.B. Deep learning for financial applications: A survey. Applied Soft Computing, 2020, vol. 93, 106384. DOI: 10.1016/j.asoc.2020.106384 EDN: FNZACB
Fischer T., Krauss C. Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research, 2018, vol. 270, iss. 2, pp. 654–669. DOI: 10.1016/j.ejor.2017.11.054
Zhang C., Sjarif N.N.A., Ibrahim R. Deep learning models for price forecasting of financial time series: A review of recent advancements: 2020–2022. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2024, vol. 14, iss. 1, e1519. DOI: 10.1002/widm.1519 EDN: FQHOJS
Chen W., Hussain W., Cauteruccio F., Zhang X. Deep learning for financial time series prediction: A state-of-the-art review of standalone and hybrid models. CMES – Computer Modeling in Engineering and Sciences, 2023, vol. 139, iss. 1, pp. 187–224. DOI: 10.32604/cmes.2023.031388
Culkin R., Das S.R. Machine learning in finance: The case of deep learning for option pricing. Journal of Investment Management, 2017, vol. 15, no. 4, pp. 1–9.
Shelare S.D., Belkhode P.N., Nikam K.C. et al. Biofuels for a sustainable future: Examining the role of nano-additives, economics, policy, internet of things, artificial intelligence and machine learning technology in biodiesel production. Energy, 2023, vol. 282, 128874. DOI: 10.1016/j.energy.2023.128874 EDN: KKHYCD
Sun C., Xu M., Wang B. Deep learning: Spatiotemporal impact of digital economy on energy productivity. Renewable and Sustainable Energy Reviews, 2024, vol. 199, 114501. DOI: 10.1016/j.rser.2024.114501 EDN: PTNRJS
Qu Y., Quan P., Lei M., Shi Y. Review of bankruptcy prediction using machine learning and deep learning techniques. Procedia Computer Science, 2019, vol. 162, pp. 895–899. DOI: 10.1016/j.procs.2019.12.065
