Функциональное моделирование флуктуации информационной среды отраслей экономики в разрезе тематических кластеров

Автор: Конников Евгений Александрович, Родионов Дмитрий Григорьевич

Журнал: Известия Санкт-Петербургского государственного экономического университета @izvestia-spgeu

Рубрика: Методология и инструментарий управления

Статья в выпуске: 5 (143), 2023 года.

Бесплатный доступ

На современной этапе развития экономики уровень взаимопроникновения отраслей достиг того уровня, при котором система функций, описывающая экономические процесса, стремится к хаотической. В связи с этим особую значимость приобретает процесс непрерывного мониторинга состояния отраслевой устойчивости и прогноз основных метрик развития и риска. Базовым источником высокочастотной информации подобного характера может выступать информационная среда, квантификация которой позволит получить совокупности тематических кластеров, эффективно описывающих те или иные экономические свойства. В рамках данной статьи представлены результаты исследования процесса функционального моделирования флуктуаций информационной среды отраслей экономики в разрезе тематических кластеров. Полученная в результате методика позволяет характеризовать относительные свойства отдельных тематических кластеров, что, в свою очередь, позволяет трактовать как степень присутствия тематики в информационной среде отрасли, так и специфику их универсальности и уникальности.

Еще

Информационная среда, гауссовские смеси, гамма распределение, тематические кластеры, информационные флуктуации

Короткий адрес: https://sciup.org/148327061

IDR: 148327061

Список литературы Функциональное моделирование флуктуации информационной среды отраслей экономики в разрезе тематических кластеров

  • Апресян Ю.Д. Типы информации для поверхностно-семантического компонента модели смысл. Institut fur Slawistik der Universitat Wien, 1980.
  • Дмитриев Н.Д. и др. Построение и тестирование модели оценки экономической эффективности от внедрения бережливых технологий в корпоративной среде // Бизнес. Образование. Право. 2023. № 2 (63). С. 90-97.
  • Ибрагимова А.Р., Горшенин А.К. О глубоких гауссовских моделях в задачах машинного обучения // Интеллектуальные системы. Теория и приложения. 2021. Т. 25, № 4. С. 121 -124.
  • Конников Е.А. и др. Влияние информационной среды региональной социально-экономической системы на потребление алкоголя населением // Информационные системы и технологии. 2021. № 3 (125). С. 44-49.
  • Кравченко Ю.А., Мансур А.М., Хуссайн М.Ж. Векторизация текста с использованием методов интеллектуального анализа данных // Известия Южного федерального университета. Технические науки. 2021. № 2 (219). С. 154-167.
  • Мазалов В.В., Никитина Н.Н. Метод максимального правдоподобия для выделения сообществ в коммуникационных сетях // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2018. № 3. С. 200-214.
  • Малюгин В.И., Васильков М.Е. Эконометрическое прогнозирование состояния экономических систем в условиях функциональной неоднородности моделей // Экономика, моделирование, прогнозирование. 2010. № 4. С. 266-277.
  • Прохоров Ю.В., Королев В.Ю., Бенинг В.Е. Аналитические методы математической теории риска, основанные на смешанных гауссовских моделях // Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика. 2005. № S. С. 94-112.
  • Родионов Д.Г. и др. Автоматизированный алгоритм квантификации информационной среды финансового рынка // Экономические науки. 2022. № 212. С. 134-139.
  • Тырсин А.Н., Сурина А.А. Модели управления риском в гауссовских стохастических системах // Информатика и её применения. 2018. Т. 12, № 2. С. 50-59.
Еще
Статья научная