• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Educational Programme
Final Grade
Year of Graduation
Timofei Semenov
Deep Learning for Dialogue Systems
Data Science
(Master’s programme)
Данная работа посвящена применению искусственных нейронных сетей в диалоговых системах, в частности для классификации диалоговых сессий на положительные и отрицательные с точки зрения человека.

В работе рассмотрены и проанализированы методы классификации диалоговых сессий, применяемые в современных диалоговых системах, участвовавших в конкурсе Alexa Prize Challenge.

В качестве основного метода классификации диалоговых сессий использовалась BERT архитектура нейронной сети. В работе также были рассмотрены другие подходы на основе bi-LSTM нейронных сетей.

В дополнении были предложены алгоритмы аугментации тренировочных данных, которые позволили улучшить качество обучаемых моделей.

Эксперименты проводились на закрытом наборе данных пользовательских диалоговых сессий в чат-боте https://replika.ai.

Качество классификации пользовательских сессий оценивалось по метрикам accuracy, precision и recall.


Student Theses at HSE must be completed in accordance with the University Rules and regulations specified by each educational programme.

Summaries of all theses must be published and made freely available on the HSE website.

The full text of a thesis can be published in open access on the HSE website only if the authoring student (copyright holder) agrees, or, if the thesis was written by a team of students, if all the co-authors (copyright holders) agree. After a thesis is published on the HSE website, it obtains the status of an online publication.

Student theses are objects of copyright and their use is subject to limitations in accordance with the Russian Federation’s law on intellectual property.

In the event that a thesis is quoted or otherwise used, reference to the author’s name and the source of quotation is required.

Search all student theses