财经数据科学重点实验室举行2025年第016期学术讨论会
11月23日，江西财经大学财经数据科学重点实验室举行2025年第16期学术讨论会，分别围绕“海底地形数据集重构”与“经济系统数字孪生”两大主题开展专题研讨。会议由实验室负责人主持，相关教师及项目组全体成员参加。两场会议围绕海洋数据智能处理、非结构化数据挖掘、网络数据治理及宏观经济监测等方向展开深入交流，全面展示了实验室在多领域科研探索中的最新进展。
当日上午，海底地形数据集重构专题研讨会围绕海底地形数据集重构的关键技术、产品构建与阶段性成果等议题开展深入交流。与会师生对核心任务的前期进展进行了系统梳理，并针对模型构建中识别精度不足、复杂地形处理方式、关键参数设定与网格选取依据等问题展开讨论。会议提出，应进一步优化平原区域识别策略，强化复杂地形的分步精细化处理，加强中间过程与区域特征的表达，完善地形参数说明与纠偏策略设计。在成果呈现与报告撰写方面，会议强调进一步完善数据治理部分的体系结构，规范术语使用，强化数据思维在海洋领域的融合与应用。同时，优化章节安排，合理合并部分内容，实现方法描述与结果展示的有效分离，提升报告整体的逻辑性和可读性。针对中期汇报材料，提出应适度扩充内容篇幅，以清单形式凸显核心算法与实际成效等方法创新要点，并在成果图示中统一色彩体系、优化视觉呈现，通过参考线与统计图等方式增强结果的规范性和关联性。
当日下午，经济系统数字孪生常态化学术研讨会围绕“新闻情绪的高频测度”、“网络日志机器行为的精准识别”以及“CPI结构性上涨与感知偏差”三大主题进行了深入分享，集中展示了实验室在非结构化数据挖掘、大数据治理及宏观经济监测领域的最新研究进展与创新成果。在新闻情绪测度研究中，针对宏观经济预测中传统调查类指标发布滞后、成本高的痛点，研究结合VADER模型与PMI方法构建情感词典，从海量新闻语料中提取量化情感信息，验证了积极新闻情绪冲击可有效预测消费、产出及利率的上升趋势。网络日志行为识别研究针对海量日志中爬虫、探测等非恶意机器行为消耗带宽存储、污染分析数据的痛点，创新性提出多层次识别框架ChenRF。该框架结合随机森林的速度优势与Bi-LSTM+Attention模型的准确性，攻克了传统方法特征覆盖与处理时效的难题。结构性通胀研究则针对2019年以来CPI与核心CPI走势背离、“宏观下行与物价逆势上扬”的现象，剖析食品价格驱动的结构性通胀特征，研究创新构建卡尔曼滤波与多元HP滤波（MVHP）联合估计框架测算核心通胀率，有效剔除供给侧短期冲击干扰。该成果揭示了物价波动的长期性与结构性根源，为解释微观主体感知差异及优化宏观货币政策提供了有力实证支持。
会议对相关汇报进行了现场点评，围绕逻辑结构、模型细节及结果解释等方面提出改进建议，为后续研究推进与成果表达提供了明确指导，进一步推动了研究团队对关键科学问题的深入思考。