В разделе объясняется, почему современные программы пытаются распознавать эмоциональную окраску человеческих сообщений. Здесь формулируются проблема, цель, задачи и предполагаемый результат проекта, а также уточняется, какие эмоции будут рассматриваться и почему для эксперимента выбран именно русский текст. Отдельно обозначаются границы исследования: прототип определяет вероятную категорию, но не ставит психологический диагноз.

Пункт посвящён тому, как человек передаёт чувства с помощью слов, знаков препинания, повторов, формы обращения и описания событий. Будут различены понятия эмоции, настроения и тональности, рассмотрены положительные, отрицательные и нейтральные высказывания. Также будет показано, почему значение одной фразы зависит от ситуации, интонации, юмора и отношений между собеседниками.

В разделе описывается общий принцип работы алгоритма обработки естественного языка. Текст разбивается на слова, очищается от лишних символов, а затем сравнивается со словарём эмоционально окрашенной лексики. Объясняется назначение ключевых слов, частотного подсчёта, отрицаний и категорий эмоций. Материал связывает понятные школьнику правила с реальными задачами искусственного интеллекта.

Здесь определяется формат входного сообщения, перечень категорий и правила отнесения примеров к эмоциям. Будет сформирована небольшая таблица с искусственными или обезличенными фразами, каждой из которых присваивается эталонная метка. В разделе также рассматриваются требования к сбалансированности набора, разделению данных на обучающие и проверочные примеры и защите личной информации.

Практическая часть показывает последовательность создания анализатора на Python. Сначала программа получает строку и приводит её к единому виду, затем выделяет слова, ищет совпадения в эмоциональном словаре и подсчитывает баллы для каждой категории. В конце прототип выводит наиболее вероятную эмоцию и краткое пояснение. Код сопровождается комментариями, чтобы его можно было проверить и изменить.

В разделе описывается, как проверять прототип на сообщениях, которые не использовались при составлении словаря. Для каждого примера сравнивается ответ программы с разметкой человека, после чего вычисляется доля правильных классификаций. Дополнительно составляется таблица ошибок по категориям. Такой подход позволяет оценивать не отдельный удачный пример, а устойчивость алгоритма на серии разных высказываний.

Пункт рассматривает случаи, когда анализатор неверно понимает сарказм, отрицание, многозначные слова, сленг или смешанные эмоции. Объясняется зависимость качества от размера и состава словаря, а также от субъективности человеческой разметки. Отдельно обсуждаются конфиденциальность переписок, недопустимость психологических диагнозов по тексту и необходимость сообщать пользователю о вероятностном характере результата.

В разделе представляются результаты проверки прототипа в виде таблицы или диаграммы: количество тестовых сообщений, число правильных ответов и наиболее частые ошибки. На основе наблюдений формулируются рекомендации по расширению словаря, учёту отрицаний и добавлению контекста. Также оценивается, в каких учебных и бытовых ситуациях такой инструмент может быть полезен, а где его применение не оправдано.

В заключении кратко сопоставляются поставленные задачи и полученные результаты разработки. Указывается, насколько успешно прототип определяет выбранные категории, какие языковые особенности оказались наиболее сложными и почему человеческая проверка остаётся необходимой. Формулируются перспективы дальнейшего развития: увеличение набора данных, использование лемматизации, учёт контекста и сравнение словарного метода с более сложными моделями.

В разделе приводятся использованные источники: учебные материалы по Python и обработке естественного языка, справочная документация библиотек, публикации об анализе тональности и рекомендации по защите персональных данных. Для каждого источника указываются автор или организация, название, год публикации и ссылка, если материал размещён в интернете. Список оформляется единообразно и позволяет проверить теоретические сведения проекта.