Project Spectrum：使用生成式人工智能增强通货膨胀临近预报

核心观点

项目Spectrum旨在利用人工智能技术自动对网络抓取的产品描述进行分类，以提升通胀即时预测和分析的效率。项目主要关注解决产品分类难题，通过将产品描述转化为高维文本嵌入，再利用经典机器学习算法进行分类，从而实现高效、准确的分类效果。

关键数据

• 项目使用的数据为欧洲央行每日价格数据集（DPD），包含约3400万个独特产品的每日价格观测值。
• 项目将产品分类至ECOICOP 2018五位数级别，覆盖了欧元区19个CPI篮子的约50%支出。
• 项目开发了两种基于嵌入的分类器：k近邻（KNN）算法和前馈神经网络（FFN），并与直接大型语言模型（LLM）提示方法进行比较。

研究结论

• 基于嵌入的分类器在准确性和效率方面均优于直接LLM提示方法，分类成本和时间显著降低。
• 嵌入分类器在大多数ECOICOP类别中实现了超过70%的分类准确率，但在某些类别（如健康和住房）中准确率较低。
• 项目实现了初步部署和持续改进流程，通过迭代人工标注数据逐步扩展参考数据集，提升分类准确率。
• 项目成果为统计机构、经济研究人员和政策制定者提供了宝贵的参考，有助于将数据丰富转化为可操作的经济洞察。

未来展望

• 项目将测试不同数据集和语言的解决方案，并构建ECOICOP五位数级别的CPI指数进行历史回测，以进一步验证其有效性。