Работа Зворыкина Е.А. посвящена решению задачи классификации текстовых документов с использованием дополнительной информации — графа связей между документами. В ситуации, когда документы имеют множество ссылок друг на друга (например юридические тексты, научные статьи, web-документы), такие алгоритмы могут серьезно повлиять на качество работы классификатора. 
	
В работе сравниваются различные классические подходы для классификации/кластеризации текстов — K-Means, SVM с алгоритмом основанным машинном обучении на графах с частичным привлечением учителя. В качестве графа использовался граф гиперссылок между документами на некотором подмножестве статей из Википедии, в качестве весов рёбер — текстовая схожесть двух документов. Так же автор пробовал использовать алгоритм тематического моделирования — LDA, но он не показал адекватных результатов, видимо из-за особенностей коллекции. 
	
В выпускной квалификационной работе автор продемонстрировал  знание современных  методов  работы с текстовыми данными и некоторых алгоритмов машинного обучения. В результате работы сделан вывод, что добавление весов, основанных на похожести текстовых документов, может немного улучшить качество классификации.

В работе имеются недостатки: описание эксперимента и тестовой коллекции приведено недостаточно ясно, в частности непонятно на каких объемах тестовых данных обучался SVM и как они соотносятся с данными, которые использовались при использовании  PageRank-метода.  Присутствуют некоторые недостатки в оформлении, например отсутствие  подписи к некоторым рисункам.
		
Несмотря на перечисленные замечания, считаю, что выпускная работа Зворыкина  Егора  Артёмовича заслуживает оценки «хорошо». 

Научный руководитель,
ст. преподаватель кафедры 
Технологии Программирования						Мишенин А.Н.