Details
| Title | Система анализа потребительских отзывов на основе машинного обучения: выпускная квалификационная работа бакалавра: направление 09.03.04 «Программная инженерия» ; образовательная программа 09.03.04_03 «Разработка программного обеспечения» = Machine Learning-Based System for Consumer Review Analysis |
|---|---|
| Creators | Михеев Артем Станиславович |
| Scientific adviser | Воскобойников Сергей Петрович |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
| Imprint | Санкт-Петербург, 2026 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | ИИ-клиент ; web-приложение ; React ; Spring Boot ; PostgreSQL ; FastAPI ; Qwen2.5:32b-instruck-q3_k_l ; AI client ; web application |
| Document type | Bachelor graduation qualification work |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 09.03.04 |
| Speciality group (FGOS) | 090000 - Информатика и вычислительная техника |
| DOI | 10.18720/SPBPU/3/2026/vr/vr26-1603 |
| Rights | Доступ по паролю из сети Интернет (чтение) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\41154 |
| Record create date | 7/14/2026 |
Allowed Actions
–
Action 'Прочитать' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
Данная работа посвящена разработке системы, которая упрощает и улучшает бизнес процессы, направленные на работу с клиентами. Для оптимальной работы системы на устройстве с 24 гигабайтами оперативной памяти были протестированы несколько LLM. В ходе работы созданы клиентское и серверное приложения с применением языков Javascript и Java соответственно. Для хранения результатов используется PostgerSQL.
The subject of the graduate qualification work is «Machine Learning-Based System for Consumer Review Analysis». This work focuses on the development of a system designed to streamline and enhance customer-centric business processes. To ensure optimal performance on a device equipped with 24 gigabytes of RAM, several Large Language Models (LLMs) were tested. In the course of the project, the client and server applications were developed using JavaScript and Java, respectively. PostgreSQL is utilized for storing data and results.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
- Определения, обозначения, сокращения
- ВВЕДЕНИЕ
- 1. Постановка задачи и анализ существующих решений
- 2. Обоснования выбора технологий и их краткий обзор
- 2.1. Клиентская сторона
- 2.2. Серверная сторона
- 3. Реализация
- 3.1. Общее описание архитектуры
- 3.2. База данных
- 3.3. Spring Boot-приложения
- 3.3.1. Spring Security. Регистрация и аутентификация
- 3.3.2. Слой контроллеров
- 3.3.3. Слой сервисов
- 3.3.4. Слой данных
- 3.4. Python-микросервис
- 3.4.1. FastAPI и окружение
- 3.4.2. LLM
- 3.5. React-приложение
- 3.5.1. Доступность данных, связь с бэкендом
- 3.4.2. Маршрутизация
- 3.5.3. Менеджер состояний
- 3.5.4. Композиция UI-сущностей
- 4. Результаты
- 4.1. Пользовательский интерфейс и работа системы
- 4.2. Анализ данных
- ЗАКЛЮЧЕНИЕ
- Список использованных источников