نموذج كشف الاحتيال المالي القائم على شبكة عصبية عميقة متعددة الوسائط من خلال الوعي التعاوني للتحليل الدلالي ونمذجة السلوك

أصبح رصد المخاطر المالية والتنبيه المبكر لها حلقة حاسمة في الحفاظ على استقرار السوق وحماية حقوق ومصالح المستثمرين. غالبًا ما تعتمد طرق رصد المخاطر المالية التقليدية على مصدر بيانات واحد أو نموذج تحليل، مما يجعل من الصعب التقاط إشارات المخاطر بدقة وشمولية. لذلك، تقترح هذه الورقة نموذجًا جديدًا لرصد المخاطر المالية بناءً على الشبكات العصبية متعددة الوسائط، والذي يدمج بشكل مبتكر مصادر بيانات متعددة مثل الرؤية واللغة والصوت، ويستخدم علاقاتها الداخلية لتعزيز دقة تحديد المخاطر. أولاً، من خلال استخدام هيكل الشبكة العصبية طويلة الأمد ثنائية الاتجاه (BiLSTM) ودمج آلية الانتباه الذاتي، يتم تحليل المعلومات الدلالية للنصوص المالية بعمق من خلال حساب معاملات الوزن الديناميكي. بالإضافة إلى ذلك، يتم استخدام تعلم التعزيز الهرمي القائم على الخيارات (OHRL) لنمذجة سلوك المشاركين في السوق بدقة، مما يلتقط التغيرات الدقيقة في عملية اتخاذ القرار لديهم. من خلال دمج هذين النوعين من المعلومات، يتم صياغة نموذج BiLSTM-OHRL شامل لتقييم حالة المخاطر في الأسواق المالية بشكل أكثر شمولاً ودقة. تظهر النتائج أن النموذج يعمل بشكل مثير للإعجاب في رصد المخاطر المالية، حيث يلتقط بدقة الخصائص العاطفية والسلوكية للمشاركين في السوق، مما يعزز شمولية وقدرة التنبؤ لنموذج الرصد. وهو يقدم دعمًا تقنيًا قويًا لاستقرار تشغيل السوق المالية.