Публикации автора

Данная работа посвящена изучению количественных и качественных отличий комментариев, оставляемых пользователями Интернета в социальных сетях, от текстов из Интернета, написанных на кодифицированном литературном языке и относящихся к современному публицистическому стилю. Выполнен количественный анализ ряда графических, морфологических и синтаксических признаков, предпринята попытка интерпретации статистически значимых признаков. В результате анализа показаны отличия электронных комментариев не только на уровне орфографии, пунктуации и лексики, но и на уровне некоторых синтаксических признаков, а также выявлены тенденции, формирующие эти признаки. К ним относятся следующие тенденции: к экономии речевых средств, к расчлененности выражения мысли, к возмещению (под возмещением мы понимаем восполнение информации с тех языковых уровней, которые обычно не передаются на письме). Некоторые из этих тенденций действуют и при порождении устной речи, что объясняет известное сходство между ней и многими текстами из Интернета

Inflation is one of the most important macroeconomic indicators that have a great impact on the population of any country and region. Inflation is influenced by a range of factors, including inflation expectations. Many central banks take this factor into consideration while implementing monetary policy within the inflation targeting regime. Nowadays, a lot of people are active users of the Internet, especially social networks. It is hypothesised that people search, read, and discuss mainly only those issues that are of particular interest to them. It is logical to assume that the dynamics of prices may also be in the focus of users’ discussions. So, such discussions could be regarded as an alternative source of more rapid information about inflation expectations. This study is based on unstructured data from VKontakte social network used to analyse upward and downward inflationary trends (on the example of the Omsk region). The sample of more than 8.5 million posts was collected between January 2010 and May 2022. The authors used BERT neural networks to solve the problem. These models demonstrated better results than the benchmarks (e. g., logistic regression, decision tree classifier, etc.). It makes possible to define pro-inflationary and disinflationary types of keywords in different contexts and get their visualisation with SHAP method. This analysis provides additional operational information about inflationary processes at the regional level The proposed approach can be scaled for other regions. At the same time, the limitation of the work is the time and power costs for the initial training of similar models for all regions of Russia.