Целью данной работы является исследование применимости моделей трансформеров для автоматического распознавания фиктивных отзывов при ограниченном объеме данных. В ходе эксперимента были протестированы модели BERT, RoBERTa, DistilBERT и ALBERT на наборе отзывов с платформы Amazon. Оценка проводилась с использованием метрики F1-score при разных объемах данных. Результаты показали, что модели BERT и RoBERTa достигают наибольшей точности, но RoBERTa демонстрирует лучший баланс между точностью и временем обучения. В ходе исследования были сделаны выводы о применении трансформеров для решения задачи распознавания фиктивных отзывов в условиях дефицита размеченных данных.

Фрид З.А. (науч. рук. Русак А.В.) Применение моделей архитектуры трансформер для распознавания фиктивных отзывов при ограниченном объеме данных // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14948