УДК 004.912:656.135
ИНТЕГРАЦИЯ NLP-ТЕХНОЛОГИЙ И ПРОГНОЗНЫХ МОДЕЛЕЙ ДЛЯ АНАЛИЗА РЫНКА ГРУЗОПЕРЕВОЗОК В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ
Д. В. Бокарев, аспирант, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, Москва, Россия;
orcid.org/0009-0005-9883-9772, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Статья посвящена разработке и апробации архитектуры интеграции технологий обработки естественного языка (NLP) и прогнозных моделей машинного обучения для анализа рынка автомобильных грузоперевозок в организационных системах цифровых платформ. Актуальность исследования обусловлена тем, что современный рынок грузоперевозок характеризуется значительным объёмом неструктурированных данных (диалоги, переписки, голосовые сообщения), содержащих ценные сведения о спросе, маршрутах и ценах, которые не учитываются традиционными аналитическими инструментами, основанными преимущественно на реестрах завершённых сделок. Это ограничивает точность прогнозирования и эффективность управленческих решений. Цель работы – разработать и экспериментально проверить сквозную архитектуру, объединяющую NLP-модуль извлечения атрибутов сделок с прогнозной моделью XGBoost для анализа ценовой динамики и спроса. В числе задач: формирование корпуса диалогов, дообучение модели RuBERT для извлечения сущностей, построение признакового пространства, обучение и валидация прогнозной модели, а также оценка управленческих эффектов внедрения. Эмпирическую базу составили диалоги цифровой плат- формы. Точность NER-извлечения достигла F1 = 0,887. Прогнозная модель продемонстрировала MAPE 5,04 % для городских перевозок (горизонт 1 день). Подключение NLP-данных снизило ошибку прогноза на 1,34 п.п. и повысило R² до 0,90. Внедрение системы обеспечило управленческие эффекты: рост конверсии в сделку на 1,1 п.п. Сделан вывод, что интеграция NLP и прогнозной аналитики формирует новое конкурентное преимущество платформ, основанное на преобразовании неструктурированных коммуникаций в инструмент управленческого прогнозирования.
Ключевые слова: NLP, прогнозирование цен, организационные системы, управление, грузоперевозки, цифровые платформы, XGBoost, извлечение данных, транспортные услуги, конкурентоспособность.