본 논문은 경제학 데이터 분석에서 세 가지 정보 분석 방법을 소개한다. 첫번째는 경제학 저널 논문으로 자연어처리 전처리 과정을 명시하고 이를 딥러닝 모델에 적용하여 키워드를 추출한다. 여기서 나는 미지의 분야에 적용될 때 딥러닝의 강점 에 초점을 맞춘다. 이 분석은 연구논문에서 키워드 간 관계 연구의 가능성과 잠재 적 유용성을 보여준다. 두번째 연구는 경제학 논문 텍스트에서 키워드(개체) 추출 시스템과 관계 정보를 학습하고 예측할 수 있는 관계 기반 BERT 모델을 제안한다. 관계 기반 BERT 모델을 실험을 통해 검증한 후에 지식 그래프 추출 및 지식 그래 프 기반 의미론적 추론을 제시한다. 해당 연구는 네 단계의 정보 추출 파이프라인 을 따라간다. 파이프라인은 전처리 단계, 개체 정보 추출 단계, 관계 정보 추출 단 계, 지식 그래프 추출 단계로 구성된다. 입력은 텍스트 데이터이고 마지막 출력은 지식 그래프이다. 두 번째와 세 번째 단계는 각각 키워드(개체) 정보 추출 단계와 관계 정보 추출 단계로, 자연어처리 기술이다. 그리고 마지막 네 번째 단계에 해당 자연어처리 기술의 결과를 그래프 데이터베이스에 저장한다. 또한, 생성한 지식 그 래프를 통해 저장된 개체 또는 관계를 추출하거나 새로운 개체 또는 관계를 발견 하는 추론을 한다. 마지막으로 세번째 연구는 금융 경제 뉴스 기사에서 경제 개념 의 레이블을 추출하기 위해 다중 레이블 텍스트 분류 접근법을 제안한다. 다중 레 이블 분류기 알고리즘을 사용한 다중 레이블 문장 수준의 분류를 실험한다. 분류 모델은 BERT Model 과 임계값을 통한 레이블 간의 연관성에 기반한 분류를 사용 한다. 이 연구의 목표는 많은 레이블로 분류할 수 있는 실제 다중 레이블 데이터에 대한 실험으로 다중 레이블 분류 기법의 높은 성능과 효율성을 보여준다. 이 세가 지 연구는 자세한 설명을 통해 기술되고 시뮬레이션과 적용 연구를 통한 성능평가 를 통해 뒷받침된다.