Данная работа посвящена исследованию алгоритмов машинного обучения и разработке моделей для классификации фрагментов текста на естественном языке. Объектом исследования является разработка модели машинного обучения для классификации текстовых фрагментов на естественном языке. Предметом исследования в данной работе выступает алгоритм классификации текстов на естественном языке. Целью работы является создание модели машинного обучения для классификации текстовых фрагментов. В ходе работы были изучены основы машинного обучения, его виды и проблемы реализации. Проведён сравнительный анализ существующих алгоритмов машинного обучения и выбраны наиболее подходящие для выполнения поставленной задачи – SVM, FastText, BERT. В рамках выпускной квалификационной работы на основе проведённого анализа и определения алгоритмов машинного обучения были разработаны две модели для классификации фрагментов текста для клиентской поддержки сервисов. Работа моделей была протестирована на различных данных, в том числе и реальных. Результаты выпускной квалификационной работы могут иметь широкий спектр применения, в том числе для автоматического определения темы обращения в поддержку и дальнейшего перенаправления его в определённый отдел.

This work is devoted to the study of machine learning algorithms and the development of models for classifying text fragments in natural language. The object of the research is the development of a machine learning model for classifying text fragments in natural language. The subject of research in this work is an algorithm for classifying texts in natural language. The goal of the work is to create a machine learning model for classifying text fragments. During the work, the basics of machine learning, its types and implementation problems were studied. A comparative analysis of existing machine learning algorithms was carried out and the most suitable ones for completing the task were selected - SVM, FastText, BERT. As part of the final qualifying work, based on the analysis and definition of machine learning algorithms, two models were developed for classifying text fragments for customer support services. The performance of the models was tested on various data, including real ones. The results of the final qualifying work can have a wide range of applications, including for automatically determining the topic of a support request and further redirecting it to a specific department.