Старший лаборант
Under conditions of persistent sanctions pressure and high external volatility, traditional approaches to economic security monitoring based on lagging macroeconomic indicators no longer provide the timeliness required for effective decision-making. The article proposes a novel approach based on a two-stage news stream processing pipeline using Large Language Models (LLM). At the first stage, an LLM-based filtering model selects publications relevant to economic security. At the second stage, a specialized model extracts lemmatized multi-word expressions from the selected texts and classifies each according to its signal type (risk, threat, opportunity, or potential) and sectoral category. The proposed approach combines the contextual understanding capabilities of LLM with subsequent analysis of the co-occurrence of extracted semantic units using pointwise mutual information (PMI/NPMI) and semantic graph construction. The methodology was validated on a corpus of 65,000 news articles published by RBC in 2025. The results demonstrate the system's ability to identify structural imbalances in the information agenda and detect emerging threats before they are reflected in official statistical indicators. The article presents examples of the early detection of sanctions-related risks and labor shortages as priority threats to economic security. The article develops a prototype early warning system for economic security risks and threats that can be integrated into government monitoring and analytical frameworks.
В условиях перманентного санкционного давления и высокой волатильности внешней среды традиционные методы мониторинга экономической безопасности, опирающиеся на запаздывающие макроэкономические индикаторы, перестают удовлетворять требованиям оперативности. В статье предложен новый подход, основанный на двухэтапной обработке новостного потока с помощью больших языковых моделей (LLM). На первом этапе модель-фильтр отбирает публикации, релевантные проблематике экономической безопасности; на втором - извлекает из них лемматизированные словосочетания, классифицируя каждое по типу сигнала (риск, угроза, возможность, потенциал) и отраслевой категории. Разработанный подход объединяет контекстное понимание LLM с последующим анализом совместной встречаемости извлечённых единиц (PMI/NPMI) и построением семантических графов. Апробация на корпусе РБК за 2025 г. (65 тыс. сообщений) продемонстрировала способность системы выявлять структурные диспропорции в информационной повестке и обнаруживать зарождающиеся угрозы раньше, чем они фиксируются официальной статистикой. Приведены примеры опережающего обнаружения санкционных рисков и кадрового дефицита, как приоритетных угроз экономической безопасности. Практическая значимость работы заключается в создании прототипа системы раннего предупреждения рисков и угроз экономической безопасности, пригодной для интеграции в контур государственного мониторинга.