Курсовая работа на тему "Машинное обучение и анализ данных - Применение ансамблевых методов для имитации человеческой речи в сообщениях в социальных сетях | Витте [ID 57775]"

Курсовая работа на тему: Применение ансамблевых методов для имитации человеческой речи в сообщениях в социальных сетях
Направление подготовки:
П дисциплине: Машинное обучение и анализ данных
Работа была сдана на 4-ку.
На момент публикации готовой работы- оригинальность составляет 50% по версии антиплагиат.ру. Так же прилагаю заявление на выбор темы.

Описание работы

МОСКОВСКИЙ УНИВЕРСИТЕТ ИМ С.Ю. ВИТТЕ

Курсовая работа: Применение ансамблевых методов для имитации человеческой речи в сообщениях в социальных сетях

2025
 
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 3
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 5
1.1. Выбор набора данных 5
1.2. Анализ и очистка набора данных 8
1.3. Обзор ансамблевых методов машинного обучения 10
2. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ 20
2.1. Создание нужных моделей 20
2.2. Формирование обучающей и тестирующей выборок 23
3. ТЕСТИРОВАНИЕ 26
3.1. Расчёт эффективности 26
ЗАКЛЮЧЕНИЕ 29

ВВЕДЕНИЕ
Предметная область. Данная работа направлена на создание Q&A чат-бота для внедрения его в процесс абитуриентской кампании, а именно для информационного сопровождения абитуриентов.
Актуальность исследования также обусловлена возрастающей популярностью использования чат-ботов компаниями. Основной целью внедрения данной технологии является автоматизация процесса поддержки связи с клиентами, их обслуживание и консультирование. Чат-бот – это универсальный инструмент, который в современном мире используется повсеместно. Основное его преимущество – гибкость – специалисты компании могут настроить диалоговую систему для решения необходимых задач, наполнив ее определенным функционалом.
Объект исследования – диалоговая система. Предмет исследования – русскоязычный Q&A чат-бот.
Цель работы – создать русскоязычного чат-бота для информационного сопровождения абитуриентской кампании Университета на базе системы мгновенного обмена сообщениями «Telegram».
Для достижения данной цели были поставлены следующие задачи:
1. Изучить теоретический материал по созданию чат-ботов.
2. Проанализировать существующие чат-боты и их функционал для информационного сопровождения абитуриентской компании других высших учебных заведений согласно актуальным запросам Абитуриент.Центра Университета по автоматизации диалога с абитуриентами во время абитуриентской компании.
3. Определить задачи и алгоритм работы чат-бота в соответствии с актуальными запросами Абитуриент.Центра Университета по автоматизации диалога с абитуриентами во время абитуриентской кампании.
4. Создать базу данных для чат-бота и заполнить ее необходимыми данными.
5. Создать MVP виртуального ассистента в мессенджере «Telegram».
В работе использовались следующие методы: метод описания, метод обработки естественного языка, методы машинного обучения, метод коммуникативного моделирования.
Работа включает в себя введение, две главы, заключение, список литературы. 

СПИСОК ЛИТЕРАТУРЫ
1. Чат-бот «Виня». – [Б. м.], 2023
2. Чат-бот «Kuki». – [Б. м.], 2023.
3. Чат-бот «pBot». – [Б. м.], 2023.
4. Jurafsky D., Speech and Language Processing / D. Jurafsky, J. H. Martin // Stanford University. – [Б. м.], 2023.
5. Бизнес-логика // Википедия : свободная энциклопедия. – [Б. м.], 2022 –
6. Ураев Д. А. Классификация и методы создания чат-бот приложений // International scientific review. – 2019. – №LXIV.
7. Смирнов Ю. В., Чат-коммуникация в процессе библиотечного обслуживания читателей / Ю. В. Смирнов, Ю .В. Соколова // Научные и технические библиотеки. – 2021. – 1(2). – С. 81-90
8. Диброва В. С., Создание чат-бота для автоматизированного сбора информации о неисправностях компьютерной техники : дис. канд. филол. наук / В. С. Диброва. – Томск, 2022. – 66 с
9. Методы обработки естественного языка. // Sber Developer. – [Б. м.], 2023. –
10. Кузьменко Ф. В., Чат-бот как инновационная система интернет-коммуникации // ДОСТИЖЕНИЯ ВУЗОВСКОЙ НАУКИ 2019: сборник статей VII Международного научноисследовательского конкурса — Пенза: МЦНС «Наука и Просвещение». — 2019. — С. 41-43
11. U-me bot : [Telegram бот] // Telegram – [Б. м.], 2020.
12. Кочковая Н. В., Разработка сценария для чат-бота / Н. В. Кочковая, Р. С. Чечевичко // Научный потенциал высшей школы – будущему России : материалы Всероссийской научно-практической конференции – Ростов-на-Дону : ДГТУ, 2021. – С. 23-26
13. DBeaver Community – [S. l.], 2023.
14. Physical data models // IBM Corporation. – [Б. м.], 2021.
15. Toad Data Modeler // Quest Software. – [Б. м.], 2023.
16. Физическая модель данных // Вики-конспекты ИТМО. – [Б. м.], 2022.
17. Python-docx. – [S. l.], 2013.
18. Pandas. – [S. l.], 2023.
19. Библиотека mysql-connector-python – [Б. м.], 2023.
20. . Жеребцова Ю. А., Создание чат-бота: обзор архитектур и векторных представлений текста / Ю. А. Жеребцова, А. В. Чижик // International Journal of Open Information Technologies. – 2020. – №7.
21. Python RegEx: практическое применение регулярок // Tproger. – [Б. м.], 2023.
22. Вашкевич Е. К., Токенизация в NLP / Е. К. Вашкевич, И. А. Борискевич // Инфокоммуникации : сборник тезисов докладов 56-ой научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 18 – 20 мая 2020 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск : БГУИР, 2020. – С. 67-68.
23. Natural Language Toolkit // NLTK Documentation – [S. l.], 2023. –
24. Подходы лемматизации с примерами на Python // Еще один блог веб-разработчика. – [Б. м.], 2023.
25. Шумовые слова // Википедия : свободная энциклопедия. – [Б. м.], 2022 –
26. Stop-words – [Б. м.], 2018.
27. Phrase (collocation) detection – [Б. м.], 2022.
28. Word2vec Tutorial – [S. l.], 2023.
29. Гойко В. Л., Алгоритм текстовой классификации контента социальной сети «Вконтакте» для оценки качества жизни населения / В. Л. Гойко, П. А. Басина, В. В. Бакулин // Открытые данные – 2021: сб. материалов форума, Севастополь, 30 сентября – 2 октября 2021г. – Томск., 2021 – С. 41-53.
30. Что такое логистическая регрессия? // Amazon Web Services. – [Б. м.], 2023.
31. Градиентый бустинг — просто о сложном // Neurohive. – [Б. м.], 2018.
32. XGBoost // Вики-конспекты ИТМО. – [Б. м.], 2022. –
33. Три подхода к ускорению обучения XGBoost-моделей // Хабр. – [Б. м.], 2022.
34. Жеребцова Ю. А., Создание чат-бота: обзор архитектур и векторных представлений текста / Ю. А. Жеребцова, А. В. Чижик // International Journal of Open Information Technologies. – 2020. – №7.
35. Python RegEx: практическое применение регулярок // Tproger. – [Б. м.], 2023.
36. Вашкевич Е. К., Токенизация в NLP / Е. К. Вашкевич, И. А. Борискевич // Инфокоммуникации : сборник тезисов докладов 56-ой научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 18 – 20 мая 2020 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск : БГУИР, 2020. – С. 67-68.
37. Natural Language Toolkit // NLTK Documentation – [S. l.], 2023.
38. Подходы лемматизации с примерами на Python // Еще один блог веб-разработчика. – [Б. м.], 2023
39. Шумовые слова // Википедия : свободная энциклопедия. – [Б. м.], 2022
40. Phrase (collocation) detection – [Б. м.], 2022.
41. Word2vec Tutorial – [S. l.], 2023.
42. Гойко В. Л., Алгоритм текстовой классификации контента социальной сети «Вконтакте» для оценки качества жизни населения / В. Л. Гойко, П. А. Басина, В. В. Бакулин // Открытые данные – 2021: сб. материалов форума, Севастополь, 30 сентября – 2 октября 2021г. – Томск., 2021 – С. 41-53.
43. Что такое логистическая регрессия? // Amazon Web Services. – [Б. м.], 2023.
45. Aiogram – [S. l.], 2022.
46. Aiomysql – [S. l.], 2022.
47. Клавиатуры и кнопки // Telegram бот на Python 3 и aiogram. – [Б. м.], 2022. –