Разработка системы автоматического реферирования новостей с использованием метода извлечения ключевых предложений
Написание выпускной квалификационной работы (ВКР) по направлению 09.03.02 «Информационные системы и технологии» — это серьёзный этап, требующий глубокого погружения в предметную область, соблюдения ГОСТа и строгой структуры. Особенно сложной становится задача, когда тема связана с современными методами обработки естественного языка, как в случае с темой «Разработка системы автоматического реферирования новостей с использованием метода извлечения ключевых предложений».
Студенты часто сталкиваются с нехваткой времени, сложностью анализа и проектирования, а также необходимостью выполнять расчёты экономической эффективности. В этой статье мы подробно разберём структуру ВКР СИНЕРГИЯ по данной теме, ориентируясь на реальное предприятие — ООО «Новостной реферат», чья деятельность связана с созданием системы реферирования новостей. Вы узнаете, как правильно построить каждую главу, какие подводные камни могут возникнуть и сколько времени потребуется на каждый этап.
Здесь вы найдёте примеры формулировок, анализа и расчётов, а также оценку трудоёмкости — всё это поможет вам понять масштаб задачи и принять взвешенное решение.
ГЛАВА 1. АНАЛИТИЧЕСКАЯ ЧАСТЬ
1.1. Технико-экономическая характеристика предметной области и предприятия
В этом разделе необходимо раскрыть сферу деятельности предприятия, его организационную структуру, основные бизнес-процессы и технико-экономические показатели. Особое внимание — направлению создание системы реферирования новостей.
Пример содержания: ООО «Новостной реферат» специализируется на подготовке кратких аналитических обзоров из больших объёмов текстовой информации. В штате — 12 сотрудников, включая редакторов и аналитиков. Ежедневно обрабатывается до 200 новостных статей. Основной процесс — ручное выделение ключевых предложений и формирование рефератов. Среднее время на одну статью — 15 минут. Процесс трудоёмкий и подвержен ошибкам.
Типичные сложности:
- Отсутствие доступа к реальным данным предприятия.
- Недостаточная детализация в описании бизнес-процессов.
Время выполнения: 8–10 часов.
1.2. Характеристика комплекса задач и обоснование необходимости автоматизации
Здесь описывается текущий процесс разработка системы реферирования, выявляются узкие места, формулируются цели автоматизации. Необходимо показать, почему ручной труд неэффективен.
Пример содержания: Процесс подготовки рефератов включает в себя получение текста, анализ на предмет ключевых предложений, ручное резюмирование и форматирование. Ошибки возникают в 15% случаев. Автоматизация позволит сократить время обработки до 30 секунд на статью и повысить точность до 92%.
Типичные сложности:
- Слабое обоснование выгод от автоматизации.
- Недостаточная привязка к экономическим показателям.
Время выполнения: 6–8 часов.
1.3. Анализ существующих разработок и выбор стратегии автоматизации
Необходимо проанализировать аналоги: существующие системы автоматического реферирования (например, SMMRY, TextRank, BERTSUM). Оценить их по критериям: точность, скорость, стоимость, поддержка. Выбрать метод — в данном случае, извлечение ключевых предложений.
Пример содержания: Анализ показал, что метод извлечения ключевых предложений на основе TF-IDF и позиции предложения в тексте наиболее подходит для новостных статей. Он обеспечивает баланс между точностью и вычислительной сложностью. В отличие от абстрактных методов, он сохраняет оригинальную формулировку, что важно для новостного контента.
Типичные сложности:
- Поверхностный анализ аналогов.
- Неверное обоснование выбора метода.
Время выполнения: 10–12 часов.
Почему 350+ студентов Синергии выбрали нас в 2025 году
- Оформление по всем требованиям вашего вуза (мы работаем с Синергией с 2010 года)
- Поддержка до защиты включена в стоимость
- Доработки без ограничения сроков
- Гарантия уникальности 90%+ по системе "Антиплагиат.ВУЗ"
1.4. Обоснование проектных решений
В этом разделе формулируются архитектурные решения: выбор языка программирования (Python), библиотек (NLTK, spaCy), формат хранения данных (JSON), способа интеграции (API). Обосновывается выбор метода извлечения ключевых предложений.
Пример содержания: Для реализации выбран Python благодаря богатой экосистеме NLP-библиотек. Метод TF-IDF выбран как наиболее интерпретируемый и легко реализуемый. Система будет предоставлять REST API для интеграции с внутренними сервисами ООО «Новостной реферат».
Типичные сложности:
- Несоответствие выбранного ПО реальным задачам.
- Отсутствие технических обоснований.
Время выполнения: 8–10 часов.
Выводы по главе 1 — обобщаются результаты анализа, подчёркивается необходимость автоматизации, обосновывается выбранный подход.
Время выполнения: 4–6 ч.
ГЛАВА 2. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ
2.1. Разработка проекта автоматизации
Описывается архитектура системы: модули (парсинг, анализ, извлечение, форматирование), взаимодействие между ними, схема потока данных. Используются UML-диаграммы (use case, последовательности).
Пример содержания: Проект включает модуль получения текста из RSS-лент, модуль предобработки (токенизация, лемматизация), модуль вычисления весов предложений и модуль генерации реферата. Диаграмма последовательности показывает, как система обрабатывает запрос на реферирование.
Типичные сложности:
- Некорректное построение диаграмм.
- Отсутствие связи между модулями.
Время выполнения: 12–15 часов.
2.2. Информационное обеспечение задачи
Определяется структура данных: входные (текст новости), выходные (реферат, оценка качества), промежуточные (веса предложений). Составляется модель данных (ER-диаграмма).
Пример содержания: Входные данные — новостная статья в формате JSON (заголовок, текст, источник). Выход — реферат (список ключевых предложений, оценка полноты). Промежуточные данные — TF-IDF вектора для каждого предложения.
Типичные сложности:
- Недостаточная детализация структур данных.
- Отсутствие связи с логикой системы.
Время выполнения: 8–10 часов.
2.3. Программное обеспечение задачи
Описывается реализация: выбранные библиотеки, алгоритмы, код (фрагменты). Приводится листинг ключевых функций (например, вычисление TF-IDF, выбор предложений).
Пример содержания: Реализован алгоритм на Python с использованием библиотеки scikit-learn для расчёта TF-IDF. Функция extract_key_sentences() возвращает топ-3 предложения с наибольшим весом. Код оформлен в виде модуля с документацией.
Типичные сложности:
- Отсутствие реального кода или его недостаточная детализация.
- Несоответствие кода описанию.
Время выполнения: 15–20 часов.
2.4. Контрольный пример реализации проекта и его описание
Приводится пример обработки реальной новости: исходный текст, выделенные предложения, итоговый реферат. Оценивается качество (ROUGE, F1-мера).
Пример содержания: Обработана новость с сайта РБК о повышении ключевой ставки. Система выделила три предложения, охватившие 95% ключевой информации. ROUGE-L = 0.87, что соответствует высокому качеству.
Типичные сложности:
- Нереалистичные примеры.
- Отсутствие оценки качества.
Время выполнения: 6–8 часов.
Выводы по главе 2 — подчёркивается соответствие реализации требованиям, достижение целей проектирования.
Время выполнения: 4–6 ч.
ГЛАВА 3. ОБОСНОВАНИЕ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРОЕКТА
3.1. Выбор и обоснование методики расчёта экономической эффективности
Обосновывается выбор метода — обычно это сравнение затрат до и после внедрения. Используются показатели: годовой экономический эффект, срок окупаемости, чистый дисконтированный доход.
Пример содержания: Методика основана на сравнении трудозатрат до и после автоматизации. До внедрения: 3000 часов в год. После: 100 часов (настройка и контроль). Экономия — 2900 часов. Стоимость часа — 600 руб. Годовая экономия — 1 740 000 руб.
Типичные сложности:
- Некорректные расчёты.
- Отсутствие ссылок на реальные данные.
Время выполнения: 6–8 часов.
3.2. Расчёт показателей экономической эффективности проекта
Приводятся расчёты: единовременные затраты (разработка ПО — 300 тыс. руб.), текущие (обслуживание — 50 тыс. руб./год), годовой эффект, срок окупаемости (около 8 месяцев).
Пример содержания: Инвестиции в разработку — 300 000 руб. Ежегодные затраты — 50 000 руб. Годовой эффект — 1 740 000 руб. Срок окупаемости — 0,2 года. ЧДД при ставке дисконтирования 10% — 11,2 млн руб. за 5 лет.
Типичные сложности:
- Ошибка в формулах.
- Несоответствие логике бизнес-процесса.
Время выполнения: 8–10 часов.
Выводы по главе 3 — подчёркивается высокая экономическая эффективность проекта.
Время выполнения: 4–6 ч.
Заключение
ВКР по теме «Разработка системы автоматического реферирования новостей с использованием метода извлечения ключевых предложений» представляет собой комплексную работу, требующую глубокого понимания как технологических, так и экономических аспектов. Структура строго соответствует требованиям Синергии: от анализа предметной области до расчёта экономической эффективности. Каждая глава включает в себя не только теоретические обоснования, но и практические расчёты, проектирование и реализацию.
Самостоятельное написание такой работы — это 150–200 часов напряжённой работы. Учитывая необходимость соблюдения ГОСТа, уникальности, логической целостности и технической точности, многим студентам проще доверить задачу профессионалам. Выбор всегда за вами — но мы готовы помочь, чтобы ваша защита прошла уверенно и без стресса.
Список используемой литературы
Подготовка библиографии требует анализа 30–40 источников: нормативные документы, научные статьи по NLP, учебники по экономике ИТ, ГОСТы. Особое внимание — свежим публикациям (после 2020 г.) и источникам из РИНЦ.
Время выполнения: 4–6 ч.
Приложения
Включают полный листинг кода, примеры входных и выходных данных, скриншоты интерфейса, таблицы расчётов. Оформляются по ГОСТу.
Время выполнения: 4–6 ч.
| Раздел | Время (часы) |
|---|---|
| Введение | 6–8 |
| 1.1 – 1.4 | 32–40 |
| Выводы по главе 1 | 4–6 |
| 2.1 – 2.4 | 41–53 |
| Выводы по главе 2 | 4–6 |
| 3.1 – 3.2 | 14–18 |
| Выводы по главе 3 | 4–6 |
| Заключение | 6–8 |
| Список литературы | 4–6 |
| Приложения | 4–6 |
| Итого | 150–200 |
Вывод: Самостоятельное написание ВКР по теме «Разработка системы автоматического реферирования новостей с использованием метода извлечения ключевых предложений» занимает 150–200 часов напряжённой работы. Это требует высокой концентрации, технических знаний и строгого соблюдения стандартов.
Готовые инструменты и шаблоны для Разработка системы автоматического реферирования новостей с использованием метода извлечения ключевых предложений
Шаблоны формулировок:
- Актуальность: «В условиях информационной перегрузки возникает потребность в быстром получении сжатых и точных рефератов новостных материалов. Ручное реферирование является трудоёмким и медленным процессом, что обуславливает актуальность автоматизации на основе метода извлечения ключевых предложений».
- Цель: «Разработка программного решения для автоматического реферирования новостных статей с использованием метода извлечения ключевых предложений на основе статистических и позиционных признаков».
Пример таблицы расчёта экономии времени:
| Показатель | До автоматизации | После автоматизации |
|---|---|---|
| Время на одну статью | 15 мин | 30 сек |
| Количество статей в день | 200 | 200 |
| Общее время в день | 50 часов | 1,67 часа |
Чек-лист «Оцени свои силы»:
- Есть ли у вас доступ к данным предприятия (или вы готовы их смоделировать)?
- Уверенно ли вы владеете Python и NLP-библиотеками?
- Готовы ли вы тратить 4–6 часов в день на написание в течение 2–3 месяцев?
- Уверены ли вы в правильности расчётов экономической эффективности?
И что же дальше? Два пути к успешной защите
Путь 1. Самостоятельный: Вы получите ценный опыт, но столкнётесь с рисками — стрессом, ошибками в расчётах, правками и возможным провалом на защите. Объём работы, как показывает таблица, огромен.
Путь 2. Профессиональный: Вы экономите время, получаете гарантию соответствия требованиям Синергии, поддержку до защиты и уверенность в результате. Наши специалисты уже выполнили более 350 работ в этом вузе.