В условиях сохраняющейся ограниченности бюджетных ресурсов, усугубляемой возрастающей социальной нагрузкой на региональные бюджеты, проблема поиска эффективных механизмов распределения средств государственных социальных фондов приобретает первостепенное значение. От того, насколько рационально и справедливо будут распределены ресурсы, напрямую зависит социальное самочувствие миллионов граждан и стабильность общественных отношений. Ключевым элементом для построения такой эффективной системы является наличие четкой, научно обоснованной и, что особенно важно, отранжированной по степени приоритетности классификации групп-получателей социальной помощи. Такая классификация позволяет перейти от уравнительного принципа поддержки к адресному, концентрируя усилия и средства на наиболее уязвимых категориях населения. В данной статье предлагается к рассмотрению инновационный подход к алгоритмизации этого сложного процесса. Предлагаемый метод основан на интеграции разработанной иерархической классификации получателей с современными нейросетевыми технологиями, а именно с архитектурами семейства ART-MAP. Использование данных нейросетей позволяет создать гибкую, адаптивную систему, способную обучаться в реальном времени, учитывать динамику изменений социальной среды и обеспечивать не только точную, но и полностью прозрачную, понятную и обоснованную дисперсию (перераспределение) финансовых потоков, что критически важно для соблюдения принципов социальной справедливости.
In a context of persistently limited budgetary resources, exacerbated by the growing social burden on regional budgets, the problem of finding effective mechanisms for distributing state social funds is of paramount importance. The social well-being of millions of citizens and the stability of social relations directly depend on how rationally and fairly resources are distributed. A key element in building such an effective system is a clear, scientifically sound, and, crucially, prioritized classification of recipient groups of social assistance. This classification allows for a shift from a egalitarian support approach to a targeted approach, focusing efforts and resources on the most vulnerable groups. This article proposes an innovative approach to algorithmizing this complex process. The proposed method is based on integrating the developed hierarchical classification of recipients with modern neural network technologies, specifically the ART-MAP family of architectures. The use of neural network data allows for the creation of a flexible, adaptive system capable of learning in real time, taking into account the dynamics of changes in the social environment, and ensuring not only accurate but also completely transparent, understandable, and justified dispersion (redistribution) of financial flows, which is critical for upholding the principles of social justice.
The authors declare that there are no conflicts of interest present.