Аналіз методів класифікації тексту та розробка системи автоматизованого аналізу відгуків для оцінки якості послуг

Abstract

Кваліфікаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел (18 найменувань) та додатків. У роботі досліджено проблему автоматизованого аналізу текстових відгуків споживачів для оцінки якості послуг та проведено порівняльний аналіз методів класифікації тексту. Реалізовано та навчено три моделі класифікації: логістична регресія з TF-IDF векторизацією, fastText та DistilBERT з процедурою fine-tuning. Порівняльний аналіз на тестовій вибірці продемонстрував перевагу трансформерного підходу: DistilBERT досяг показника Macro-F1 = 0,8265, що на 27,6 % перевищує результат логістичної регресії. Розроблено програмну систему автоматизованого аналізу відгуків з модульною архітектурою, REST API на базі FastAPI та демонстраційним веб-інтерфейсом на платформі Gradio.

The thesis consists of an introduction, four chapters, conclusions, a list of references (18 titles), and appendices. The thesis investigates the problem of automated analysis of consumer text reviews for service quality assessment and conducts a comparative analysis of text classification methods. Three classification models were implemented and trained: logistic regression with TF-IDF vectorisation, fastText, and DistilBERT with fine-tuning. Comparative analysis on the test sample demonstrated the advantage of the transformer approach: DistilBERT achieved a Macro-F1 score of 0.8265, which exceeds the result of logistic regression by 27.6%. A software system for automated review analysis was developed with a modular architecture, REST API based on FastAPI, and a demonstration web interface on the Gradio platform.