ОТЗЫВ РЕЦЕНЗЕНТА на выпускную квалификационную работу бакалавра “Рекуррентные нейронные сети в задаче анализа тональности текста” студента IV курса факультета прикладной математики и процессов управления Джанелидзе Григория Михайловича   Данная работа посвящена исследованию применения рекуррентных нейронных сетей в решении задачи анализа тональности текста для английского языка. Полученные результаты сравниваются с результатами работы наивного байесовского классификатора и методом опорных векторов.  Представленная на рецензию работа содержит ряд недостатков, начиная с самых незначительных, как например многочисленные опечатки, что можно отнести к некоторой спешке при верстке работы. Однако есть и более существенные. Обзор существующих работ представляется далеко не полным и очень беглым. В частности, в обзоре отсутствует работа Aditya Timmaraju и Vikesh Khanna «Sentiment Analysis on Movie Reviews using Recursive and Recurrent Neural Network Architectures, содержание которой очень имеет очень много общего с текущей работой, включая алгоритмы для сравнения и архитектуру нейронной сети.  К недостаткам работы также можно отнести недостаточную проработку отрицания в анализируемых текстах: “Для работы классификатора в случае английского языка необходимо преобразовать отрицательные частицы, например заменить «aren’t» на «are not» и т.п.”. На самом деле такой подход может давать существенный шум. В качестве решения, как правило, используется метод, в котором прилагательные после отрицания преобразуются в форму not_прилагательное, чтобы корректно учитывать отрицательный вклад.   Также в работе в таблице 2 нет данных о погрешности в значении F1 меры. Хотелось бы иметь значения при перекрестной проверке. Исходный код программ также не представлен в работе, даже ссылкой на внешний ресурс (GitHub или другой), что мешает оценить реальный объем работы, а также верифицировать результат. Для сравнения также было бы интересно иметь результаты для таких алгоритмов как случайный лес. Тем не менее не смотря на все недостатки, студентом проделан достаточно существенный объем работы и результаты соответствуют известным на данный момент. Хотя вопрос новизны довольно спорный, работа безусловно заслуживает положительной оценки, а студент присуждения степени бакалавра.