МЕТОД АНАЛІЗУ ТОНАЛЬНОСТІ ВІДГУКІВ КЛІЄНТІВ НА ОСНОВІ ГІБРИДНИХ МОДЕЛЕЙ КЛАСИФІКАЦІЇ ДЛЯ АВТОМАТИЗАЦІЇ ЗВОРОТНОГО ЗВ’ЯЗКУ В УПРАВЛІННІ ІТ-ПРОЄКТАМИ

<jats:p>У статті представлено підхід до автоматизації процесів обробки зворотного зв’язку в системах управління ІТ-проєктами. Ефективний моніторинг задоволеності користувачів є критичним для забезпечення якості програмних продуктів, проте ручний аналіз великих масивів даних є трудомістким і неточним. У роботі запропоновано метод аналізу тональності відгуків клієнтів на основі гібридних моделей класифікації, що поєднує переваги класичних алгоритмів та глибокого навчання. Основу методу становить гібридна архітектура, що інтегрує SVM-класифікатор з RBF-ядром та глибоку нейронну мережу типу Dense Neural Network. Використання ймовірнісних оцінок SVM як додаткових вхідних ознак для нейронної мережі забезпечує ефективну корекцію помилок класифікації ("stacking"), а включення біграм дозволяє враховувати локальний контекст тексту. Система реалізована у вигляді модульної архітектури, що включає блоки векторизації та класифікації, забезпечуючи гнучкість інтеграції в існуючі інструменти управління проєктами та можливість масштабування. Експериментальні дослідження на збалансованому датасеті засвідчили високу ефективність запропонованого гібридного підходу: SVM досягнув точності 86.2%, нейронна мережа – 88.9%, а гібридна модель – 89.0% із середнім F1-Score 0.890. Комплементарність компонентів забезпечила стабільну перевагу гібридної моделі над індивідуальними алгоритмами. Отримані результати підтверджують доцільність використання розробленого методу для автоматизації зворотного зв’язку, що дозволяє менеджерам ІТ-проєктів оперативно отримувати об’єктивні метрики якості продукту та приймати обґрунтовані управлінські рішення.</jats:p>