В статье рассматривается применение нейросетевых методов для идентификации характеристик речевого потока с целью построения расширенных цифровых профилей пользователей финансовых услуг. Актуальность исследования обусловлена развитием дистанционных форм банковского и микрофинансового обслуживания, при которых речевая коммуникация становится одним из значимых источников информации о клиенте. Описаны основные просодические характеристики речи, включая темп, громкость, высоту тона, паузы и ритмику, а также рассмотрена их связь с психологическими типами личности по методике «7 радикалов» В.В. Пономаренко. Особое внимание уделено нейросетевому подходу к анализу речевого сигнала: предварительной цифровой обработке аудиозаписи, выделению акустических признаков, формированию вектора просодических параметров и последующей классификации психологических радикалов с использованием современных архитектур CNN, LSTM и механизмов внимания. Представлена информационная технология принятия решений в банковской и микрофинансовой сферах, предусматривающая включение модуля анализа речевой информации в систему построения цифрового профиля клиента. Показано, что использование вероятностного подхода и многокритериального анализа позволяет повысить объективность оценки личности, снизить субъективную неопределенность при взаимодействии с заемщиком и повысить точность кредитного скоринга. Сделан вывод о перспективности применения нейросетевого анализа речевых характеристик для управления финансовыми рисками и персонализации финансовых услуг.
The article examines the application of neural network methods for identifying speech flow characteristics in order to build enhanced digital profiles of financial services users. The relevance of the study is driven by the development of remote forms of banking and microfinance services, in which speech communication becomes one of the significant sources of information about the client. The main prosodic characteristics of speech are described, including speech rate, loudness, pitch, pauses, and rhythm, as well as their relationship with psychological personality types according to V.V. Ponomarenko's "7 radicals" methodology. Special attention is paid to the neural network approach to speech signal analysis: preliminary digital processing of the audio recording, extraction of acoustic features, formation of a prosodic parameter vector, and subsequent classification of psychological radicals using modern architectures such as CNN, LSTM, and attention mechanisms. An information technology for decision-making in the banking and microfinance sectors is presented, which involves incorporating a speech information analysis module into the client's digital profile building system. It is shown that the use of a probabilistic approach and multicriteria analysis makes it possible to improve the objectivity of personality assessment, reduce subjective uncertainty in interaction with the borrower, and increase the accuracy of credit scoring. A conclusion is made about the prospects of using neural network analysis of speech characteristics for financial risk management and personalization of financial services.
The authors declare that there are no conflicts of interest present.