Details

Целью работы является разработка автоматизированного инструмента анализа отзывов граждан о деятельности многофункциональных центров (МФЦ). Были решены следующие задачи: 1) провести теоретико-методологический анализ подходов к автоматизированному анализу пользовательского опыта в текстовой форме в контексте государственных услуг; 2) разработать гибридный алгоритм анализа отзывов на основе LDA, BERT и локальных нейронных моделей; 3) разработаны стратегии повышения эффективности государственных услуг. Актуальность темы обусловлена необходимостью автоматизации обработки растущего объёма обратной связи от граждан в условиях цифровой трансформации государственного управления. Источниками информации выступили данные 3000 отзывов граждан о деятельности МФЦ с открытых платформ, данные отечественной и зарубежной научно-исследовательской литературы, официальных Интернетресурсов и аналитических агентств, нормативно-правовые акты Российской Федерации. Разработан гибридный подход, объединяющий тематическое моделирование (LDA), анализ тональности (ruBERT) и каскадную генерацию ответов (LLM) в единый автоматизированный пайплайн. Точность комбинированной классификации тональности составила 88,5 %, когерентность LDA-модели — 0,52, экспертная оценка качества ответов — 4,0–4,5 из 5,0. Разработан MVP-прототип веб-приложения для пилотного внедрения в МФЦ. Результаты могут быть применены в деятельности МФЦ для аналитического мониторинга, поддержки операторов и автоматического оповещения о проблемных ситуациях.

The purpose of the work is to develop an automated tool for analyzing citizens feedback on the activities of multifunctional centers (MFCs). The following tasks were solved: 1) to conduct a theoretical and methodological analysis of approaches to automated analysis of user experience in text form in the context of public services; 2) to develop a hybrid algorithm for analyzing feedback based on LDA, BERT, and local neural models; 3) to develop strategies for improving the efficiency of public services. The relevance of the topic is due to the need to automate the processing of a growing volume of feedback from citizens in the context of digital transformation of public administration. The sources of information included data from 3,000 citizens feedback on the activities of MFCs from open platforms, data from domestic and foreign research literature, official Internet resources, and analytical agencies, as well as regulatory acts of the Russian Federation. A hybrid approach was developed that combines topic modeling (LDA), sentiment analysis (ruBERT), and cascaded response generation (LLM) into a single automated pipeline. The combined sentiment classification accuracy was 88.5%, the coherence of the LDA model was 0.52, and the expert assessment of the quality of the responses was 4.0-4.5 out of 5.0. An MVP prototype of a web application was developed for pilot implementation in MFCs. The results can be applied in the activities of MFCs for analytical monitoring, operator support, and automatic notification of problematic situations.