Раскрыты термины и добавлены гипотезы и группы признаков в LaTeX-презентации

lab1/README.md

@@ -146,7 +146,7 @@ python -m stylometry.cli subgroup-report \
 - **`presentation/latex/stardew_stylometry.tex`** — академическая
   Beamer-версия;
 - **`presentation/latex/stardew_stylometry.pdf`** — собранный PDF LaTeX-версии
-  (27 страниц).
+  (30 страниц).
 
 LaTeX-версия содержит три блока на трёх докладчиков, фон и курицу на каждом
 слайде, титульную заставку, изображение персонажей, две круговые диаграммы,

lab1/presentation/README.md

@@ -55,7 +55,7 @@ python presentation/build_deck.py
 Академическая Beamer-презентация:
 
 - `latex/stardew_stylometry.tex` — исходник;
-- `latex/stardew_stylometry.pdf` — собранный PDF, 27 страниц;
+- `latex/stardew_stylometry.pdf` — собранный PDF, 30 страниц;
 - сборка: `cd latex && xelatex stardew_stylometry.tex` (два прохода).
 
 В LaTeX-версии три блока на трёх докладчиков, фон и курица на каждом слайде,

lab1/presentation/latex/stardew_stylometry.tex

@@ -95,72 +95,105 @@
     \begin{tcolorbox}[enhanced, width=0.92\paperwidth, colback=cream, opacityback=0.92,
         colframe=cream, boxrule=0pt, arc=2mm, halign=center, boxsep=2mm]
       {\large\bfseries Стилометрическая классификация реплик персонажей Stardew Valley}\\[2mm]
-      {\normalsize Можно ли различить голоса персонажей, если все реплики написаны одним автором?}\\[2.4mm]
+      {\normalsize Можно ли различить голоса персонажей, \\ если все реплики написаны одним автором?}\\[2.4mm]
       \small А.~А.~Аладьина \quad·\quad В.~Н.~Копнин \quad·\quad М.~В.~Савостиков\\[0.8mm]
       \footnotesize ПИЭ-13МО
     \end{tcolorbox}
   \end{center}
-  \note{Титул. Представление группы: Аладьина Анна Андреевна, Копнин Владислав
-  Николаевич, Савостиков Михаил Викторович, ПИЭ-13МО. Коротко: мы проверяем,
-  различимы ли речевые маски персонажей игры по одной реплике. Автор у всех
-  реплик один — это ключевой факт всей работы. Далее три блока: задача и
-  корпус, методология, результаты.}
 \end{frame}
 
 % ==================== БЛОК 1 ====================
-\begin{frame}{Блок 1\ \ ·\ \ Задача и корпус}
+\begin{frame}{Часть 1\ \ ·\ \ Задача и корпус}
   \begin{center}
     \begin{tcolorbox}[enhanced, width=0.86\paperwidth, colback=cream, opacityback=0.9,
         colframe=cream, boxrule=0pt, arc=2mm, halign=center, boxsep=3mm]
-      {\large Блок 1}\\[1.5mm]
+      {\large Часть 1}\\[1.5mm]
       {\Large\bfseries Решаемая задача и корпус}\\[2mm]
       \small Постановка задачи · сбор и очистка данных · характеристики корпуса\\[2.5mm]
       {\bfseries Докладчик: А.~А.~Аладьина}
     \end{tcolorbox}
   \end{center}
-  \note{Блок\,1. Говорит А. А. Аладьина. План блока: что за задача мы решаем,
+  \note{Часть\,1. Говорит А. А. Аладьина. План части: что за задача мы решаем,
   её формальная постановка, как собирали и чистили корпус, и какими
   характеристиками он обладает.}
 \end{frame}
 
 \begin{frame}{Задача и постановка}
   \begin{columns}[T]
-    \begin{column}{0.49\textwidth}
+    \begin{column}{0.57\textwidth}
       \begin{panel}
+        \small
         \textbf{Решаемая задача}
         \begin{itemize}
           \item Дано: 2005 коротких реплик, 34 персонажа, один автор.
           \item Требуется: по одной реплике определить персонажа.
           \item Каждый объект относится ровно к одному из 34 классов.
           \item Это не авторская атрибуция: мы различаем \emph{речевые маски персонажей}, а не авторов.
-          \item Проверяется, статистически ли различимы эти маски.
+          \item Проверяется, статистически различимы ли эти маски.
         \end{itemize}
       \end{panel}
     \end{column}
-    \begin{column}{0.49\textwidth}
+    \begin{column}{0.41\textwidth}
       \begin{panel}
-        \textbf{Компактная постановка}\\[1.2mm]
+        \small
-        \centering
+        \textbf{Обозначения}\\[1mm]
-        $D=\{(x_i,\,y_i)\}_{i=1}^{n},\quad n=2005,$\\[1mm]
+        $D=\{(x_i,\,y_i)\}_{i=1}^{n}$,\quad $n=2005$;\\
-        $x_i$ — реплика, \ $y_i\in Y,\ |Y|=34,$\\[1mm]
+        $x_i$ — реплика;\\
-        $f\colon \Phi(x_i)\to Y$ — классификатор.\\[1.2mm]
+        $y_i\in Y$, \ $|Y|=34$ — персонаж;\\
-        \raggedright\small Ещё одна запись — критерий качества: усреднённая
+        $f$ — классификатор.\\[1.5mm]
-        F-мера по классам (macro-F1). Других формул в докладе не будет.
+        Единственная формальная запись в докладе.\\
+        Критерий качества — макро-F1: средняя F-мера по 34 классам.
       \end{panel}
     \end{column}
   \end{columns}
   \note{Говорит А. А. Аладьина. Задача — многоклассовая классификация коротких
-  текстов: по одной реплике предсказать персонажа из 34 классов. Подчеркнуть:
+  текстов. Формула одна: D — корпус, x — реплика, y — персонаж, f —
-  это НЕ авторская атрибуция — все тексты написаны одним автором, и мы
+  классификатор. Дальше все определения даются словами. Подчеркнуть: это не
-  проверяем различимость речевых масок. Формула одна и остаётся единственной
+  авторская атрибуция, автор один; мы различаем речевые маски.}
-  в докладе.}
 \end{frame}
 
+\begin{frame}{Гипотезы исследования}
+  \begin{columns}[T]
+    \begin{column}{0.57\textwidth}
+      \begin{panel}
+        \footnotesize
+        \textbf{H1.} Функциональные слова, части речи и символьные
+        n-граммы (последовательности соседних символов) различают
+        персонажей выше случайного уровня.\\[0.7mm]
+        \textbf{H2.} На коротких репликах части речи и символьные
+        n-граммы устойчивее словарного богатства и читаемости.\\[0.7mm]
+        \textbf{H3.} LSA по всем словам отражает тему, а LSA по частям
+        речи и функциональным словам — стиль.\\[0.7mm]
+        \textbf{H4.} Качество зависит от длины реплики.\\[0.7mm]
+        \textbf{H5.} Ошибки группируются вокруг персонажей со сходным
+        возрастом, полом, ролью или видом.
+      \end{panel}
+    \end{column}
+    \begin{column}{0.41\textwidth}
+      \begin{panel}
+        \footnotesize\textbf{Как проверяем}
+        \begin{itemize}
+          \item H1 — сравнение моделей и поочерёдное исключение групп.
+          \item H2 — исключение групп и анализ по длине.
+          \item H3 — варианты LSA и контроль содержания.
+          \item H4 — метрики по группам длины.
+          \item H5 — анализ ошибок по метаданным.
+        \end{itemize}
+      \end{panel}
+    \end{column}
+  \end{columns}
+  \note{Говорит А. А. Аладьина. Гипотезы сформулированы до экспериментов.
+  H1 и H2 проверяют, есть ли стилометрический сигнал; H3 — стиль или тему;
+  H4 — влияние длины; H5 — социальные подгруппы. Термин «фолд» появится в
+  методологической части: это часть разбиения при перекрёстной проверке.}
+\end{frame}
+
+
 \begin{frame}{Корпус: сбор, разметка, очистка}
   \begin{columns}[T]
     \begin{column}{0.33\textwidth}
       \begin{panel}
-        \small\textbf{1. Сбор}
+        \footnotesize\textbf{1. Сбор}
         \begin{itemize}
           \item Реплики из диалогов игры.
           \item Единица анализа — одна реплика.
@@ -170,53 +203,48 @@
     \end{column}
     \begin{column}{0.33\textwidth}
       \begin{panel}
-        \small\textbf{2. Разметка}
+        \footnotesize\textbf{2. Разметка}
         \begin{itemize}
           \item Метка — имя говорящего персонажа.
           \item Ручная проверка реплики и метки.
-          \item Метаданные (пол, возраст, вид) хранятся отдельно.
+          \item Метаданные (пол, возраст, вид) хранятся отдельно и не подаются модели.
         \end{itemize}
       \end{panel}
     \end{column}
     \begin{column}{0.33\textwidth}
       \begin{panel}
-        \small\textbf{3. Очистка}
+        \footnotesize\textbf{3. Очистка}
         \begin{itemize}
-          \item Нормализация Unicode.
+          \item \textbf{Unicode-очистка}: разные варианты кавычек, тире,
-          \item Плейсхолдеры заменены нейтральными словами.
+                многоточий и пробелов приводятся к единому виду.
+          \item Плейсхолдеры вида \texttt{<PLAYER>} заменены нейтральными словами.
           \item Пунктуация и регистр сохранены: это стилометрический сигнал.
         \end{itemize}
       \end{panel}
     \end{column}
   \end{columns}
+  \vspace{-2mm}
   \begin{panel}
-    \small \textbf{Ограничения данных:} правила ручной фильтрации
+    \footnotesize \textbf{Ограничения данных:} ручная фильтрация; нет идентификаторов сцен.
-    не сохранились; нет идентификаторов сцен.
   \end{panel}
-  \note{Говорит А. А. Аладьина. Корпус собран из диалогов игры, разбит на
-  реплики, размечен именем говорящего. Очистка минимальная: нормализуем
-  символы, заменяем плейсхолдеры вида \texttt{<PLAYER>}, ничего не удаляем из
-  стилистических сигналов (пунктуация, регистр оставлены). Честно сказать про
-  ручную фильтрацию и отсутствие идентификаторов сцен.}
 \end{frame}
 
 \begin{frame}{Персонажи корпуса}
   \begin{center}
     \begin{imgbox}
-    \includegraphics[height=0.6\textheight]{characters.png}
+        \includegraphics[height=0.65\textheight]{characters.png}
     \end{imgbox}
   \end{center}
-  \note{Говорит А. А. Аладьина. Все 34 персонажа: подростки и молодые взрослые,
-  взрослые, пожилые, дети и нелюди (Dwarf, Krobus, Wizard). Такая структура
-  потом поможет объяснить, где модель путается.}
 \end{frame}
 
 \begin{frame}{Характеристики корпуса: классы}
   \begin{columns}[T]
     \begin{column}{0.42\textwidth}
+      \begin{center}
         \begin{imgbox}
             \includegraphics[width=\linewidth]{replics-count.png}
         \end{imgbox}
+      \end{center}
     \end{column}
     \begin{column}{0.57\textwidth}
       \begin{panel}
@@ -227,20 +255,16 @@
           \textbf{Максимум класса} & Abigail, 139\\[0.8mm]
           \textbf{Минимум класса} & Mister Qi, 15\\[0.8mm]
           \textbf{Точные дубли} & 0\\[0.8mm]
-          \textbf{Почти-дубли} & 13 пар, только внутри класса\\
+          \textbf{Почти-дубли} & 13 пар, но только внутри класса\\
         \end{tabular}
       \end{panel}
       \begin{panel}
         \small Дисбаланс почти десятикратный: от 15 до 139 реплик. Поэтому
-        доля правильных ответов обманчива; основная метрика — усреднённая
+        доля правильных ответов обманчива; основная метрика — макро усреднённая
         F-мера по классам.
       \end{panel}
     \end{column}
   \end{columns}
-  \note{Говорит А. А. Аладьина. Диаграмма: сколько реплик у каждого персонажа.
-  Дисбаланс почти десятикратный (15–139). Точных дубликатов нет, 13 почти-дублей
-  — только внутри одного класса, то есть утечки между классами через
-  дубликаты нет.}
 \end{frame}
 
 \begin{frame}{Характеристики корпуса: длина реплик}
@@ -276,29 +300,73 @@
 \end{frame}
 
 % ==================== БЛОК 2 ====================
-\begin{frame}{Блок 2\ \ ·\ \ Методология}
+\begin{frame}{Часть 2\ \ ·\ \ Методология}
   \begin{center}
     \begin{tcolorbox}[enhanced, width=0.86\paperwidth, colback=cream, opacityback=0.9,
         colframe=cream, boxrule=0pt, arc=2mm, halign=center, boxsep=3mm]
-      {\large Блок 2}\\[1.5mm]
+      {\large Часть 2}\\[1.5mm]
       {\Large\bfseries Методология: как измеряем стиль}\\[2mm]
       \small Признаки · LSA · классификаторы · схема проверки · метрики\\[2.5mm]
       {\bfseries Докладчик: В.~Н.~Копнин}
     \end{tcolorbox}
   \end{center}
-  \note{Блок\,2. Говорит В. Н. Копнин. План блока: общая схема конвейера,
+  \note{Часть\,2. Говорит В. Н. Копнин. План части: общая схема конвейера,
   какие признаки строим, как работает LSA, какие модели сравнивали и как устроена
   проверка, чтобы не обмануть себя.}
 \end{frame}
 
+\begin{frame}{Термины, которые встретятся дальше}
+  \begin{columns}[T]
+    \begin{column}{0.49\textwidth}
+      \begin{panel}
+        \footnotesize
+        \textbf{Фолд} — одна из частей разбиения выборки при перекрёстной
+        проверке. При 5 фолдах модель обучается на 4 и проверяется на 1,
+        затем разбиение меняется.\\[0.8mm]
+        \textbf{POS (part of speech)} — часть речи; POS-тег — её
+        обозначение; POS-грамма — последовательность тегов.\\[0.8mm]
+        \textbf{Universal POS} — универсальный набор тегов: NOUN, VERB,
+        ADJ, ADV, PRON, DET, ADP, CONJ, NUM, PRT, INTJ, PUNCT, X.
+        Единый набор для разных языков.\\[0.8mm]
+        \textbf{Клауза} — синтаксическая единица с подлежащим и
+        сказуемым; в репликах оценивается приблизительно.\\[0.8mm]
+        \textbf{Синтаксис-прокси} — приблизительная оценка синтаксиса
+        без полного разбора: число союзов, длина предложения, порядок слов.
+      \end{panel}
+    \end{column}
+    \begin{column}{0.49\textwidth}
+      \begin{panel}
+        \footnotesize
+        \textbf{n-грамма} — последовательность $n$ соседних единиц:
+        символов, слов или POS-тегов.\\[0.8mm]
+        \textbf{LSA} — сжатие таблицы «документ $\times$ признак» в
+        несколько скрытых компонент.\\[0.8mm]
+        \textbf{Макро-F1} — средняя F-мера по классам; каждый персонаж
+        весит одинаково.\\[0.8mm]
+        \textbf{Unicode-очистка} — приведение разных вариантов записи
+        символов к единому виду: кавычки, тире, многоточия, пробелы.\\[0.8mm]
+        \textbf{Класс-аттрактор} — класс, к которому модель ошибочно
+        относит чужие реплики.\\[0.8mm]
+        \textbf{Фолд и группа признаков} — разные вещи: фолд — часть
+        проверки, группа — набор признаков.
+      \end{panel}
+    \end{column}
+  \end{columns}
+  \note{Говорит В. Н. Копнин. Этот слайд — словарь терминов. Важно различать
+  фолд (часть кросс-валидации) и группу признаков (набор характеристик текста).
+  Universal POS — не «ещё одна модель», а универсальный набор частеречных
+  тегов; POS-граммы — последовательности этих тегов. Клауза и
+  синтаксис-прокси — приблизительные, но интерпретируемые оценки синтаксиса.}
+\end{frame}
+
+
 \begin{frame}{Общая схема}
   \begin{panel}
-    \small
     Реплика (текст персонажа) $\to$ очистка (Unicode, плейсхолдеры)
     $\to$ токены и частеречная разметка (NLTK, Universal POS)
     $\to$ признаки (ручные, n-граммы, LSA)
     $\to$ модель (вероятности по 34 классам)
-    $\to$ проверка (5 блоков, повторы, метрики).
+    $\to$ проверка (5 фолдов, повторы, метрики).
   \end{panel}
   \begin{columns}[T]
     \begin{column}{0.49\textwidth}
@@ -306,8 +374,8 @@
         \textbf{Что важно про схему}
         \begin{itemize}
           \item Все обучаемые преобразования настраиваются только внутри
-                обучающих блоков.
+                обучающих фолдах.
-          \item Тестовые блоки не участвуют ни в настройке признаков, ни в
+          \item Тестовые фолды не участвуют ни в настройке признаков, ни в
                 выборе параметров модели.
         \end{itemize}
       \end{panel}
@@ -328,38 +396,78 @@
   обучающей части каждой проверки.}
 \end{frame}
 
-\begin{frame}{Признаки: что именно считаем}
+
+\begin{frame}{454 ручных признака: 11 групп}
+  \begin{panel}
+    \scriptsize
+    \begin{tabular}{@{}p{3.7cm}p{7.8cm}@{}}
+      \textbf{Группа} & \textbf{Примеры признаков} \\ \hline
+      Длина & число слов, символов, предложений; длина предложения \\
+      Лексика & длины слов, апострофы, заглавные буквы, цифры \\
+      Словарное богатство & TTR, Guiraud, Yule's K, hapax; на коротких текстах нестабильно \\
+      Символы & частоты букв, регистр, пунктуация \\
+      Пунктуация & запятые, многоточия, вопросы, восклицания, повторы \\
+      Функциональные слова & артикли, предлоги, союзы, местоимения \\
+      Местоимения & 1-е, 2-е, 3-е лицо; отношение «я/ты» \\
+      Части речи & Universal POS, Penn Treebank, время, модальность \\
+      Синтаксис & клаузы, подчинительные союзы, пассивные конструкции \\
+      Читаемость & Flesch, FK, SMOG; на коротких репликах приблизительна \\
+      Разговорные маркеры & междометия, смех, хеджи, вежливость, сокращения \\
+    \end{tabular}
+  \end{panel}
+  \begin{panel}
+    \scriptsize
+    \textbf{454} — суммарное число ручных признаков; часть групп
+    (словарное богатство, читаемость) помечена как предварительная.
+    Функциональные слова, части речи, пунктуация и разговорные маркеры —
+    основные группы для коротких реплик.
+  \end{panel}
+  \note{Говорит В. Н. Копнин. Это расшифровка одиннадцати групп. Не нужно
+  запоминать все 454 признака: важнее логика — длина, лексика, пунктуация,
+  служебные слова, части речи, синтаксис, читаемость и разговорные маркеры.
+  Словарное богатство и читаемость на коротких репликах нестабильны.}
+\end{frame}
+
+\begin{frame}{Автоматические признаки: n-граммы и LSA}
   \begin{columns}[T]
     \begin{column}{0.49\textwidth}
       \begin{panel}
-        \small\textbf{Ручные признаки (454, в 11 группах)}
+        \small\textbf{n-граммы}
         \begin{itemize}
-          \item Длина: слова, символы, предложения.
+          \item \textbf{n-грамма} — последовательность $n$ соседних
-          \item Лексика и орфография: длины слов, апострофы, заглавные буквы.
+                единиц: символов, слов или POS-тегов.
-          \item Словарное богатство: на коротких репликах нестабильно.
+          \item Символьные n-граммы 2–5: морфология, пунктуация,
-          \item Пунктуация: запятые, многоточия, восклицания.
+                орфография.
-          \item Разговорные маркеры: смех, вежливость, сокращения.
+          \item n-граммы POS-тегов 1–3: последовательности частей речи,
+                синтаксические шаблоны.
+          \item TF-IDF: вес признака с учётом частоты в реплике и
+                редкости в корпусе.
         \end{itemize}
       \end{panel}
     \end{column}
     \begin{column}{0.49\textwidth}
       \begin{panel}
-        \small\textbf{Функциональные слова и векторные блоки}
+        \small\textbf{LSA}
         \begin{itemize}
-          \item Функциональные слова: около 150 закрытых слов и 12 категорий;
+          \item Сжатие таблицы «реплика $\times$ признак» в $k$ скрытых
-                местоимения 1-го, 2-го, 3-го лица.
+                компонент.
-          \item Части речи и синтаксис-прокси: клаузы, союзы, вопросы.
+          \item Варианты: \texttt{word}, \texttt{content}, \texttt{fw},
-          \item Символьные n-граммы (2–5) и частеречные n-граммы (1–3) с TF-IDF.
+                \texttt{char}, \texttt{pos}.
-          \item LSA: сжатые векторы по словам, содержанию, POS и символам.
+          \item $k=50$–400; для \texttt{content}-LSA качество росло до 400.
+          \item LSA — сжатое представление, а не «понимание» текста.
         \end{itemize}
       \end{panel}
     \end{column}
   \end{columns}
-  \note{Говорит В. Н. Копнин. Два семейства признаков. Первое — 454 ручных
+  \begin{panel}
-  признака: длины, пунктуация, разговорные маркеры, функциональные слова.
+    \small Символьные n-граммы чувствительны к морфологии и пунктуации;
-  Второе — автоматические: символьные и частеречные n-граммы и векторные
+    n-граммы POS-тегов — к порядку частей речи; LSA сжимает разреженные
-  блоки LSA. Стоп-слова и пунктуацию специально не удаляли — для стилометрии
+    признаки в несколько чисел. Это три разных взгляда на стиль.
-  это сигнал, а не шум.}
+  \end{panel}
+  \note{Говорит В. Н. Копнин. n-грамма — это просто «окно» из n соседних
+  единиц. Символьные n-граммы ловят морфологию и пунктуацию, n-граммы POS-тегов —
+  синтаксические шаблоны. LSA не «понимает» текст: он сжимает таблицу
+  признаков в несколько скрытых компонент.}
 \end{frame}
 
 \begin{frame}{LSA простыми словами}
@@ -423,7 +531,7 @@
           \item Случайный лес и ExtraTrees: сотни деревьев; у ExtraTrees
                 пороги выбираются случайно — меньше разброс.
           \item Мягкое голосование: усредняем вероятности моделей.
-          \item Стековое объединение у нас переобучилось и оказалось хуже.
+          \item Объединение через мета-классификатор (стекинг) у нас переобучилось и оказалось хуже.
         \end{itemize}
       \end{panel}
     \end{column}
@@ -436,7 +544,7 @@
   линейная база; SVM — сила на текстовых признаках, но без вероятностей;
   деревья ловят нелинейные комбинации («многоточие + короткая реплика»), но
   легко переобучаются на 2005 объектах. Лучший результат дало мягкое
-  голосование трёх моделей; стек был хуже — переобучился.}
+  голосование трёх моделей; объединение через мета-классификатор было хуже — переобучилось.}
 \end{frame}
 
 \begin{frame}{Как проверяем}
@@ -445,10 +553,11 @@
       \begin{panel}
         \textbf{Схема оценки}
         \begin{itemize}
-          \item Стратифицированная перекрёстная проверка: 5 блоков, доли
+          \item Стратифицированная перекрёстная проверка: 5 фолдов
-                классов внутри блоков сохраняются.
+                (частей разбиения); на 4 фолдах обучаемся, на 1 проверяем.
+                Доли классов внутри фолдов сохраняются.
           \item Повторяем 3–5 раз с разными разбиениями — оцениваем разброс.
-          \item Вложенная схема: внешние блоки — оценка, внутренние —
+          \item Вложенная схема: внешние фолды — оценка, внутренние —
                 настройка параметров модели.
           \item Отдельная отложенная выборка 80/20 для финальных кандидатов.
         \end{itemize}
@@ -459,7 +568,7 @@
         \textbf{Контроль ошибок исследователя}
         \begin{itemize}
           \item TF-IDF, сжатие и масштабирование обучаются только на
-                обучающих блоках — борьба с утечкой данных.
+                обучающих фолдах — борьба с утечкой данных.
           \item Контроль перестановкой меток дал 0,027–0,028 — воспроизведён
                 случайный уровень.
           \item Почти-дубликаты находятся только внутри одного класса и
@@ -468,7 +577,8 @@
       \end{panel}
     \end{column}
   \end{columns}
-  \note{Говорит В. Н. Копнин. Схема: 5-блочная стратифицированная
+  \vspace{-1mm}
+  \note{Говорит В. Н. Копнин. Схема: 5-фолдовая стратифицированная
   перекрёстная проверка с повторами; вложенная — для честной настройки
   параметров; отложенная выборка — дополнительная проверка. Отдельно
   переставляли метки: качество упало до случайного уровня, значит сигнал
@@ -485,7 +595,7 @@
       \textbf{Сбалансированная доля} & Средняя полнота по классам: находит ли модель редких персонажей.\\[1mm]
       \textbf{Тройка лучших (top-3)} & Истинный персонаж оказался в тройке наиболее вероятных ответов.\\[1mm]
       \textbf{MCC / каппа} & Согласие с поправкой на случайное угадывание.\\[1mm]
-      \textbf{Матрица ошибок} & Кто с кем путается; подробнее — в блоке 3.\\
+      \textbf{Матрица ошибок} & Кто с кем путается; подробнее — в части 3.\\
     \end{tabular}
   \end{panel}
   \begin{panel}
@@ -496,21 +606,21 @@
   взвешивает все 34 класса, включая редких. Доля правильных ответов
   обманчива при дисбалансе. Смысл всех остальных метрик — словесный, без
   формул. Ориентиры случайного уровня уже озвучены — они пригодятся в
-  блоке 3.}
+  части 3.}
 \end{frame}
 
 % ==================== БЛОК 3 ====================
-\begin{frame}{Блок 3\ \ ·\ \ Результаты}
+\begin{frame}{Часть 3\ \ ·\ \ Результаты}
   \begin{center}
     \begin{tcolorbox}[enhanced, width=0.86\paperwidth, colback=cream, opacityback=0.9,
         colframe=cream, boxrule=0pt, arc=2mm, halign=center, boxsep=3mm]
-      {\large Блок 3}\\[1.5mm]
+      {\large Часть 3}\\[1.5mm]
       {\Large\bfseries Результаты и интерпретация}\\[2mm]
       \small Оценки качества · вклад признаков · матрицы ошибок · ограничения · выводы\\[2.5mm]
       {\bfseries Докладчик: М.~В.~Савостиков}
     \end{tcolorbox}
   \end{center}
-  \note{Блок\,3. Говорит М. В. Савостиков. План блока: главные числа, что даёт
+  \note{Часть\,3. Говорит М. В. Савостиков. План части: главные числа, что даёт
   качество, стиль или содержание, кого модель путает, как корректно читать
   оценки, ограничения и выводы.}
 \end{frame}
@@ -521,7 +631,7 @@
       \begin{panel}
         \small
         \begin{tabular}{@{}p{3.5cm}r@{}}
-          \textbf{Мягкое голосование (5 блоков)} & 0,304\\
+          \textbf{Мягкое голосование (5 фолдов)} & 0,304\\
           \textbf{ExtraTrees, char = 10\,000} & 0,276\\
           \textbf{Вложенный выбор} & 0,275\\
           \textbf{Отложенная выборка} & 0,333\\
@@ -541,8 +651,8 @@
     \end{column}
   \end{columns}
   \note{Говорит М. В. Савостиков. Главная цифра — macro-F1 0,304 для мягкого
-  голосования при 5-блочной проверке. Более консервативная оценка — 0,275:
+  голосования при 5-фолдовой проверке. Более консервативная оценка — 0,275:
-  там конфигурация выбиралась честно, внутри обучающей части каждого блока.
+  там конфигурация выбиралась честно, внутри обучающей части каждого фолда.
   На отложенной выборке 0,333, но это одно разбиение. Суть: персонажи
   действительно различимы.}
 \end{frame}
@@ -693,7 +803,7 @@
   \end{columns}
   \begin{panel}
     \small Диаграмма — доли предсказаний «аттракторных» классов
-    (hub-коллапс: редкие классы забираются популярными).
+    (стягивание предсказаний к популярным классам).
   \end{panel}
   \note{Говорит М. В. Савостиков. Проблема редких классов: модель
   предсказывает популярные классы слишком часто — Abigail получает десятки
@@ -784,7 +894,7 @@
                 вложенная проверка снижает этот риск, но не устраняет.
           \item Основной вклад — содержательные слова и тема.
           \item Простая коррекция приоров не помогла редким классам.
-          \item Стек переобучается на малой выборке.
+          \item Объединение через мета-классификатор переобучается на малой выборке.
         \end{itemize}
       \end{panel}
     \end{column}