Классификация эмоционального состояния по текстовым данным с использованием методов глубокого обучения

Выпускная квалификационная работа посвящена количественному анализу коммуникации Банка России с применением методов обработки естественного языка. В работе собран и размечен корпус официальных текстов Банка России, включающий пресс-релизы по ключевой ставке, заявления и резюме обсуждения ключевой ставки. Для анализа предложена многомерная схема разметки, в рамках которой каждое предложение классифицируется по теме, временной ориентации и тональности денежно-кредитной политики. В исследовании сравниваются классические модели машинного обучения на основе TF-IDF-признаков и трансформерные модели для русского языка. Показано, что тематическая классификация и классификация временной ориентации в значительной степени опираются на лексические признаки, тогда как определение тональности денежно-кредитной политики требует более глубокого учета контекста. На основе выбранной модели построены количественные индексы коммуникации Банка России, включая индекс направленности денежно-кредитной политики, индекс прямолинейности, индекс объяснения и индекс уверенности. Далее проведен exploratory econometric analysis связи построенных индексов с макроэкономическими переменными, включая ключевую ставку, RUONIA, инфляцию, обменный курс и динамику ВВП. Все данные, использованные в работе, получены из открытых источников, прежде всего с официального сайта Банка России. Корпус не содержит персональных данных, а анализ проводится на уровне публичных институциональных документов, поэтому исследование не создает рисков, связанных с конфиденциальностью или обработкой персональной информации.