Огляд методів і технологій видобування знань про фінансові пропозиції
DOI:
https://doi.org/10.31861/sisiot2025.2.02012Ключові слова:
фінансові пропозиції, видобування знань, обробка природньої мови, машинне навчання, семантичний аналізАнотація
У сучасному світі цифрових фінансів та прийняття рішень на основі даних здатність ефективно вилучати, аналізувати та інтерпретувати знання про фінансові пропозиції (ФП) стала критично важливим завданням. ФП часто містять важливу інформацію про інвестиції, оцінку ризиків, прогнози та стратегічні наміри. Однак ці дані не завжди є повними й нерідко представлені в напівструктурованому або неструктурованому вигляді, що обмежує можливості їх безпосереднього використання. Мотивацією цього дослідження є експоненційне зростання як обсягу, так і складності фінансової документації, що потребує застосування більш просунутих та ефективних підходів до ідентифікації контексту й видобування знань. Використання методів обробки природної мови, алгоритмів машинного навчання, семантичного аналізу та інших інноваційних інструментів дає змогу приватним компаніям і державним установам підвищити точність та ефективність прийняття фінансових рішень, забезпечити відповідність нормативним вимогам і мінімізувати людські помилки. Концепцію ФП формалізовано шляхом визначення її основних компонентів та опису як системи з окремими властивостями і взаємозв’язками. Такий системний підхід дає змогу глибше зрозуміти залежності між бюджетуванням, прогнозуванням та оцінюванням ризиків, що є критично важливим для видобування релевантних знань. На основі формалізації ФП запропоновано концептуальну схему видобування знань про ФП, у межах якої фінансова пропозиція розглядається як мультимодальний інформаційний об’єкт, з якого за допомогою різних методів отримують структуровані знання. Надалі ці знання використовуються для аналітичної підтримки прийняття рішень, однак мають певні обмеження, що зумовлює потребу в залученні експертів і додаткових моделей. У статті досліджуються сучасні методи й технології, спрямовані на автоматизацію та вдосконалення процесу видобування знань про ФП, а також пропонуються перспективні напрями подальших досліджень у цій сфері. Зокрема, планується вивчення новітніх технологій і передових підходів для підвищення рівня автоматизації та точності видобування знань, що сприятиме більш обґрунтованому й своєчасному прийняттю рішень у фінансовому секторі.
Завантажити
Посилання
L. N. Münch, K. F. Schüttler, J. Ackermann, A. Deichsel, L. Eggeling, D. Günther et al., “Writing a research funding proposal,” [Online]. Available: https://link.springer.com/article/10.1007/s00142-024-00690-x. [Accessed: August 11, 2025].
N. Khidirov, “Methods and Mechanisms of Financing Investment Activities in Industrial Enterprises,” [Online]. Available: https://www.researchgate.net/publication/351675916_Methods_and_Mechanisms_of_Financing_Investment_Activities_in_Industrial_Enterprises. [Accessed: August 11, 2025].
A. Tobisova, A. Senova, G. Izarikova, and I. Krutakova, “Proposal of a Methodology for Assessing Financial Risks and Investment Development for Sustainability of Enterprises in Slovakia,” [Online]. Available: https://www.mdpi.com/2071-1050/14/9/5068. [Accessed: August 11, 2025].
M. Mocanu, V. D. Rusu, and A. Bibiri, “Competing for research funding: Key elements impacting the evaluation of grant proposal,” [Online]. Available: https://www.cell.com/heliyon/fulltext/S2405-8440%2824%2912046-4. [Accessed: August 11, 2025].
F. Zhang, Y. Ding, and Y. Liao, “Financial data collection based on big data intelligent processing,” [Online]. Available: https://www.researchgate.net/publication/369716116_Financial_Data_Collection_Based_on_Big_Data_Intelligent_Processing. [Accessed: August 11, 2025].
L. Wang, Y. Cheng, X. Gu, and Z. Wu, “Design and Optimization of Big Data and Machine Learning Based Risk Monitoring System in Financial Markets,” [Online]. Available: https://arxiv.org/pdf/2407.19352. [Accessed: August 11, 2025].
J. Wang, W. Ding, and X. Zhu, “Financial Analysis: Intelligent Financial Data Analysis System Based on LLM-RAG,” [Online]. Available: https://arxiv.org/pdf/2504.06279. [Accessed: August 11, 2025].
N. Schaffer, C. Drieschener, and H. Krcmar, “An Analysis of Business Model Component Interrelations,” [Online]. Available: https://www.researchgate.net/publication/342304352_An_Analysis_of_Business_Model_Component_Interrelations. [Accessed: August 11, 2025].
S. Ahmed Shaikh, “Some observations on contemporary financial proposals,” [Online]. Available: https://www.researchgate.net/publication/367598580_Some_observations_on_contemporary_financial_proposals. [Accessed: August 11, 2025].
S. Pan, S. J. Rodríguez Méndez, and K. Taylor, “A pipeline for analysing grant applications,” [Online]. Available: https://arxiv.org/pdf/2210.16843. [Accessed: August 11, 2025].
D. Millo, B. Vika, and N. Baci, “Integrating natural language processing techniques of text mining into financial system: applications and limitations,” [Online]. Available: https://arxiv.org/pdf/2412.20438. [Accessed: August 11, 2025].
S. Garcia-Mendez, F. de Arriba-Perez, A. Barros-Vila, F. J. Gonzalez-Castano, and E. Costa-Montenegro, “Automatic detection of relevant information, predictions and forecasts in financial news through topic modelling with Latent Dirichlet Allocation,” [Online]. Available: https://link.springer.com/article/10.1007/s10489-023-04452-4. [Accessed: August 11, 2025].
A. Glodd and D. Hristova, “Extraction of Forward-looking Financial Information for Stock Price Prediction from Annual Reports Using NLP Techniques,” [Online]. Available: https://scholarspace.manoa.hawaii.edu/server/api/core/bitstreams/757da8dd-90c7-489f-995a-1cb29b4c9557/content. [Accessed: August 11, 2025].
Z. Hong, L. Ward, K. Chard, B. Blaiszik, and I. Foster, “Challenges and Advances in Information Extraction From Scientific Literature: A Review,” [Online]. Available: https://www.osti.gov/servlets/purl/1869908. [Accessed: August 11, 2025].
Y. Yang, Z. Wu, Y. Yang, S. Lian, F. Guo, and Z. Wang, “A Survey of Information Extraction Based on Deep Learning,” [Online]. Available: https://www.mdpi.com/2076-3417/12/19/9691. [Accessed: August 11, 2025].
A. R. Hazourli, “FinancialBERT - A Pretrained Language Model for Financial Text Mining,” [Online]. Available: https://www.researchgate.net/publication/358284785_FinancialBERT_-_A_Pretrained_Language_Model_for_Financial_Text_Mining. [Accessed: August 11, 2025].
S. A. Farimani, M. V. Jahan, and A. M. Fard, “From Text Representation to Financial Market Prediction: A Literature Review,” [Online]. Available: https://www.mdpi.com/2078-2489/13/10/466. [Accessed: August 11, 2025].
M. Wujec, “Analysis of the Financial Information Contained in the Texts of Current Reports: A Deep Learning Approach,” [Online]. Available: https://www.mdpi.com/1911-8074/14/12/582. [Accessed: August 11, 2025].
T. Repke and R. Krestel, “Extraction and Representation of Financial Entities from Text,” [Online]. Available: https://link.springer.com/chapter/10.1007/978-3-030-66891-4_11. [Accessed: August 11, 2025].
S. F. Mohsin, S. I. Jami, S. Wasi, and M. S. Siddiqui, “An automated information extraction system from the knowledge graph based annual financial reports,” [Online]. Available: https://pmc.ncbi.nlm.nih.gov/articles/PMC11157543. [Accessed: August 11, 2025].
N. Bentabet, R. Juge, I. El Maarouf, V. Mouilleron, D. Valsamou-Stanislawski, and M. El-Haj, “The Financial Document Structure Extraction Shared task: FinToc 2020,” [Online]. Available: https://aclanthology.org/2020.fnp-1.2.pdf. [Accessed: August 11, 2025].
F. Scafoglieri, A. Monaco, G. Neccia, D. Lembo, A. Limosani, and F. Medda, “Automatic Information Extraction from Investment Product Documents,” [Online]. Available: https://ceur-ws.org/Vol-3194/paper9.pdf. [Accessed: August 11, 2025].
S. Montariol, M. Martinc, A. Pelicon, S. Pollak, B. Koloski, I. Loncarski et al., “Multi-Task Learning for Features Extraction in Financial Annual Reports,” [Online]. Available: https://www.researchgate.net/publication/367534259_Multi-task_Learning_for_Features_Extraction_in_Financial_Annual_Reports. [Accessed: August 11, 2025].
F. Pala, M. Yasin Akpınar, O. Deniz, and G. Eryigit, “ViBERTgrid BiLSTM-CRF: Multimodal Key Information Extraction from Unstructured Financial Documents,” [Online]. Available: https://arxiv.org/pdf/2409.15004. [Accessed: August 11, 2025].
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Безпека інфокомунікаційних систем та Інтернету речей

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.







