Добавлена презентация и материалы для трёх блоков доклада

lab1/presentation/README.md

@@ -0,0 +1,42 @@
+# Презентация
+
+Готовая презентация: `stardew_stylometry.pptx` (16:9, 32 слайда).
+PDF-версия для просмотра: `stardew_stylometry.pdf`.
+
+## Структура
+
+- **Блок 1. Корпус** — 2005 реплик, 34 персонажа, сбор, очистка, разметка,
+  распределение реплик и длин, ограничения.
+- **Блок 2. Методология** — признаки, LSA, логистическая регрессия, SVM,
+  деревья, ансамбли, перекрёстная проверка и метрики.
+- **Блок 3. Результаты** — сравнение моделей, вклад признаков, контроль
+  содержания, матрицы ошибок, классы-аттракторы, выводы.
+
+На каждом слайде есть фон `images/background.jpg` и маленькая курица
+`images/chicken.png` как пасхалка. На титульном слайде — `images/title.jpg`;
+на слайде о персонажах — `images/characters.webp`; на последнем слайде — мем
+`images/meme.webp`. Круговые диаграммы — `images/replics-count.png` и
+`images/median.png`.
+
+## Сборка
+
+```bash
+cd lab1
+python -m pip install -r presentation/requirements.txt
+python presentation/make_slide_figures.py
+python presentation/build_deck.py
+```
+
+`make_slide_figures.py` строит матрицы ошибок и сравнительные диаграммы из
+`results/final/finalists/voting_et_char_lean/oof_predictions.csv` и
+`FINAL_RESULTS.csv`. `build_deck.py` собирает PPTX, добавляет заметки
+докладчика, фон, курицу и изображения.
+
+## Редактирование
+
+Текст и порядок слайдов задаются в `build_deck.py`. После изменения текста
+достаточно повторно запустить сборку. Готовый PPTX можно править и напрямую
+в PowerPoint/LibreOffice; заметки докладчика находятся в заметках слайдов.
+
+Изображения игры используются в учебных целях; права принадлежат их
+правообладателям.

lab1/presentation/build_deck.py

@@ -0,0 +1,809 @@
+"""Сборка презентации по лабораторной работе.
+
+Требования:
+- 16:9, фон на каждом слайде;
+- три содержательных блока на трёх рассказчиков;
+- курица на каждом слайде;
+- титульная картинка, персонажи, две круговые диаграммы, матрицы ошибок,
+  мем на последнем слайде;
+- тёмный текст на светлых панелях.
+"""
+
+from __future__ import annotations
+
+from pathlib import Path
+
+from PIL import Image
+from pptx import Presentation
+from pptx.dml.color import RGBColor
+from pptx.enum.shapes import MSO_SHAPE
+from pptx.enum.text import MSO_ANCHOR, PP_ALIGN
+from pptx.util import Inches, Pt
+
+ROOT = Path(__file__).resolve().parents[1]
+IMAGES = ROOT / "presentation" / "images"
+GEN = ROOT / "presentation" / "generated"
+OUT = ROOT / "presentation" / "stardew_stylometry.pptx"
+
+SW, SH = 13.333, 7.5
+FONT = "Arial"
+
+CREAM = RGBColor(248, 241, 220)
+CREAM_LIGHT = RGBColor(255, 252, 240)
+DARK = RGBColor(30, 45, 33)
+GREEN = RGBColor(49, 93, 58)
+GREEN_DARK = RGBColor(28, 63, 47)
+GOLD = RGBColor(204, 153, 51)
+BROWN = RGBColor(126, 80, 42)
+RED = RGBColor(166, 55, 43)
+WHITE = RGBColor(255, 255, 255)
+BORDER = RGBColor(181, 158, 111)
+
+
+def add_background(slide) -> None:
+    slide.shapes.add_picture(
+        str(IMAGES / "background.jpg"), 0, 0, width=Inches(SW), height=Inches(SH)
+    )
+
+
+def add_panel(slide, x, y, w, h, fill=CREAM, line=BORDER, radius: float = 0.06):
+    shape = slide.shapes.add_shape(
+        MSO_SHAPE.ROUNDED_RECTANGLE, Inches(x), Inches(y), Inches(w), Inches(h)
+    )
+    shape.fill.solid()
+    shape.fill.fore_color.rgb = fill
+    shape.line.color.rgb = line
+    shape.line.width = Pt(1.1)
+    shape.shadow.inherit = False
+    try:
+        shape.adjustments[0] = radius
+    except Exception:
+        pass
+    return shape
+
+
+def add_text(
+    slide,
+    x,
+    y,
+    w,
+    h,
+    text: str,
+    size: int = 18,
+    color=DARK,
+    bold: bool = False,
+    align=PP_ALIGN.LEFT,
+    anchor=MSO_ANCHOR.TOP,
+    margin: float = 0.08,
+):
+    box = slide.shapes.add_textbox(Inches(x), Inches(y), Inches(w), Inches(h))
+    frame = box.text_frame
+    frame.word_wrap = True
+    frame.vertical_anchor = anchor
+    frame.margin_left = Inches(margin)
+    frame.margin_right = Inches(margin)
+    frame.margin_top = Inches(0.04)
+    frame.margin_bottom = Inches(0.04)
+    paragraph = frame.paragraphs[0]
+    paragraph.alignment = align
+    run = paragraph.add_run()
+    run.text = text
+    run.font.name = FONT
+    run.font.size = Pt(size)
+    run.font.bold = bold
+    run.font.color.rgb = color
+    return box
+
+
+def add_bullets(slide, x, y, w, h, items, size: int = 16, color=DARK, title: str | None = None):
+    box = slide.shapes.add_textbox(Inches(x), Inches(y), Inches(w), Inches(h))
+    frame = box.text_frame
+    frame.word_wrap = True
+    frame.margin_left = Inches(0.08)
+    frame.margin_right = Inches(0.08)
+    frame.margin_top = Inches(0.04)
+    first = True
+    if title:
+        paragraph = frame.paragraphs[0]
+        paragraph.space_after = Pt(7)
+        run = paragraph.add_run()
+        run.text = title
+        run.font.name = FONT
+        run.font.size = Pt(size + 3)
+        run.font.bold = True
+        run.font.color.rgb = GREEN_DARK
+        first = False
+    for item in items:
+        if isinstance(item, tuple):
+            text, level = item
+        else:
+            text, level = item, 0
+        paragraph = frame.paragraphs[0] if first else frame.add_paragraph()
+        first = False
+        prefix = "• " if level == 0 else "– "
+        paragraph.text = prefix + text
+        paragraph.level = level
+        paragraph.space_after = Pt(5)
+        paragraph.line_spacing = 1.0
+        for run in paragraph.runs:
+            run.font.name = FONT
+            run.font.size = Pt(size if level == 0 else size - 1)
+            run.font.color.rgb = color
+    return box
+
+
+def add_table(slide, x, y, w, h, rows, col_widths=None, font_size: int = 11, header: bool = True):
+    shape = slide.shapes.add_table(len(rows), len(rows[0]), Inches(x), Inches(y), Inches(w), Inches(h))
+    table = shape.table
+    if col_widths:
+        total = sum(col_widths)
+        for index, value in enumerate(col_widths):
+            table.columns[index].width = Inches(w * value / total)
+    for row_index, row in enumerate(rows):
+        for col_index, value in enumerate(row):
+            cell = table.cell(row_index, col_index)
+            cell.margin_left = Inches(0.05)
+            cell.margin_right = Inches(0.05)
+            cell.margin_top = Inches(0.02)
+            cell.margin_bottom = Inches(0.02)
+            cell.fill.solid()
+            if header and row_index == 0:
+                cell.fill.fore_color.rgb = GREEN
+            else:
+                cell.fill.fore_color.rgb = CREAM_LIGHT if row_index % 2 else CREAM
+            paragraph = cell.text_frame.paragraphs[0]
+            paragraph.alignment = PP_ALIGN.LEFT if col_index == 0 else PP_ALIGN.CENTER
+            run = paragraph.add_run()
+            run.text = str(value)
+            run.font.name = FONT
+            run.font.size = Pt(font_size)
+            run.font.bold = header and row_index == 0
+            run.font.color.rgb = WHITE if header and row_index == 0 else DARK
+    return table
+
+
+def add_image_fit(slide, path: Path, x, y, max_w, max_h, panel: bool = False):
+    with Image.open(path) as image:
+        width, height = image.size
+    aspect = width / height
+    if max_w / max_h > aspect:
+        draw_h = max_h
+        draw_w = draw_h * aspect
+    else:
+        draw_w = max_w
+        draw_h = draw_w / aspect
+    draw_x = x + (max_w - draw_w) / 2
+    draw_y = y + (max_h - draw_h) / 2
+    if panel:
+        add_panel(slide, draw_x - 0.07, draw_y - 0.07, draw_w + 0.14, draw_h + 0.14, fill=CREAM_LIGHT)
+    slide.shapes.add_picture(str(path), Inches(draw_x), Inches(draw_y), width=Inches(draw_w), height=Inches(draw_h))
+
+
+def add_chicken(slide, x: float = 12.96, y: float = 7.12, size: float = 0.24):
+    slide.shapes.add_picture(
+        str(IMAGES / "chicken.png"), Inches(x), Inches(y), width=Inches(size), height=Inches(size)
+    )
+
+
+def add_notes(slide, text: str) -> None:
+    slide.notes_slide.notes_text_frame.text = text
+
+
+def new_slide():
+    slide = Presentation().slides.add_slide  # placeholder, replaced below
+    return slide
+
+
+def add_title_bar(slide, title: str, block: str = "", subtitle: str | None = None):
+    add_panel(slide, 0.42, 0.28, 12.49, 0.86, fill=CREAM)
+    add_text(slide, 0.58, 0.34, 10.2, 0.45, title, size=25, bold=True, color=GREEN_DARK)
+    if block:
+        add_text(slide, 10.0, 0.42, 2.65, 0.35, block, size=13, color=BROWN, align=PP_ALIGN.RIGHT)
+    if subtitle:
+        add_text(slide, 0.58, 0.76, 11.8, 0.3, subtitle, size=12, color=BROWN)
+
+
+def add_footer(slide, block: str, number: int):
+    add_text(slide, 0.45, 7.12, 7.8, 0.24, block, size=10, color=DARK)
+    add_text(slide, 12.15, 7.12, 0.55, 0.24, str(number), size=10, color=DARK, align=PP_ALIGN.RIGHT)
+
+
+def content_slide(prs, title: str, block: str, number: int, subtitle: str | None = None):
+    slide = prs.slides.add_slide(prs.slide_layouts[6])
+    add_background(slide)
+    add_title_bar(slide, title, block, subtitle)
+    add_footer(slide, block, number)
+    add_chicken(slide)
+    return slide
+
+
+def section_slide(prs, number: int, block: str, title: str, subtitle: str, questions: list[str], notes: str, slide_number: int):
+    slide = prs.slides.add_slide(prs.slide_layouts[6])
+    add_background(slide)
+    add_panel(slide, 0.65, 0.9, 12.0, 5.6, fill=CREAM)
+    add_text(slide, 0.95, 1.15, 2.6, 1.0, block, size=22, bold=True, color=GOLD)
+    add_text(slide, 0.95, 2.05, 11.2, 0.9, title, size=38, bold=True, color=GREEN_DARK)
+    add_text(slide, 0.95, 3.05, 11.0, 0.6, subtitle, size=20, color=BROWN)
+    add_bullets(slide, 0.95, 3.9, 11.0, 1.9, questions, size=17, color=DARK)
+    add_text(slide, 0.95, 5.9, 7.0, 0.35, f"Рассказчик {number}", size=15, bold=True, color=RED)
+    add_footer(slide, block, slide_number)
+    add_chicken(slide)
+    add_notes(slide, notes)
+    return slide
+
+
+def main() -> int:
+    prs = Presentation()
+    prs.slide_width = Inches(SW)
+    prs.slide_height = Inches(SH)
+    slide_no = 0
+
+    # 1. Титульный слайд
+    slide_no += 1
+    slide = prs.slides.add_slide(prs.slide_layouts[6])
+    add_background(slide)
+    add_panel(slide, 0.55, 1.15, 6.15, 4.25, fill=CREAM)
+    add_image_fit(slide, IMAGES / "title.jpg", 0.7, 1.3, 5.85, 3.9, panel=False)
+    add_panel(slide, 6.95, 1.15, 5.85, 5.45, fill=CREAM)
+    add_text(slide, 7.2, 1.45, 5.3, 0.35, "Лабораторная работа по анализу текстов", size=13, color=BROWN)
+    add_text(slide, 7.2, 1.9, 5.3, 1.55, "Можно ли различить голоса персонажей?", size=32, bold=True, color=GREEN_DARK)
+    add_text(slide, 7.2, 3.45, 5.25, 1.4, "Стилометрическая классификация 34 персонажей Stardew Valley по 2005 репликам", size=18, color=DARK)
+    add_text(slide, 7.2, 4.9, 5.3, 0.6, "Три блока · три рассказчика", size=16, bold=True, color=RED)
+    add_text(slide, 7.2, 5.28, 5.3, 0.45, "Корпус → методология → результаты", size=15, color=BROWN)
+    add_panel(slide, 0.55, 5.75, 12.25, 0.8, fill=CREAM_LIGHT)
+    add_text(slide, 0.75, 5.9, 11.9, 0.45, "2005 реплик  ·  34 персонажа  ·  один автор  ·  5-блочная перекрёстная проверка", size=14, color=DARK, align=PP_ALIGN.CENTER)
+    add_chicken(slide, 12.95, 7.12, 0.26)
+    add_notes(slide, "Приветствие. Тема — стилометрия реплик Stardew Valley. Сразу уточнить: автор один, задача — различить речевые маски персонажей, а не установить авторство. Три блока: корпус, методология, результаты.")
+
+    # 2. Структура
+    slide_no += 1
+    slide = content_slide(prs, "Структура доклада", "Введение", slide_no)
+    blocks = [
+        ("01", "Корпус", "Рассказчик 1", ["2005 реплик", "34 персонажа", "сбор, очистка, разметка", "ограничения данных"]),
+        ("02", "Методология", "Рассказчик 2", ["признаки и LSA", "классификаторы", "перекрёстная проверка", "метрики"]),
+        ("03", "Результаты", "Рассказчик 3", ["лучшие модели", "матрицы ошибок", "кого путает модель", "выводы"]),
+    ]
+    for index, (num, title, narrator, lines) in enumerate(blocks):
+        x = 0.45 + index * 4.27
+        add_panel(slide, x, 1.5, 4.0, 5.15, fill=CREAM)
+        add_text(slide, x + 0.25, 1.7, 0.9, 0.5, num, size=30, bold=True, color=GOLD)
+        add_text(slide, x + 0.25, 2.3, 3.5, 0.5, title, size=24, bold=True, color=GREEN_DARK)
+        add_text(slide, x + 0.25, 2.9, 3.5, 0.35, narrator, size=13, color=RED)
+        add_bullets(slide, x + 0.25, 3.45, 3.5, 2.7, lines, size=14, color=DARK)
+    add_notes(slide, "Показать три блока и передать слово первому рассказчику. Подчеркнуть: сначала данные, затем методы, затем интерпретация.")
+
+    # 3. Блок 1
+    slide_no += 1
+    section_slide(
+        prs, 1, "Блок 1", "Корпус: как собрали и разметили",
+        "Что именно мы классифицируем и почему это сложная задача",
+        ["Откуда данные и какова единица анализа", "Кто в корпусе и как распределены реплики", "Длина реплик и очистка", "Паспорт корпуса и ограничения"],
+        "Передать слово рассказчику 1. Блок отвечает на вопрос: что представляет собой выборка и можно ли ей доверять.",
+        slide_no,
+    )
+
+    # 4. Что анализируем
+    slide_no += 1
+    slide = content_slide(prs, "Что анализируем", "Блок 1 · Корпус", slide_no)
+    add_panel(slide, 0.45, 1.4, 5.95, 5.4, fill=CREAM)
+    add_bullets(slide, 0.7, 1.6, 5.45, 4.9, [
+        "Единица анализа — одна реплика персонажа.",
+        "Всего 2005 реплик; 34 персонажа; один автор.",
+        "Класс — имя персонажа; один объект относится ровно к одному классу.",
+        "Реплики короткие: в среднем 19 слов, медиана 17.",
+        "Корпус англоязычный; разметка — только текст и персонаж.",
+    ], size=17, title="Постановка задачи")
+    add_panel(slide, 6.65, 1.4, 6.2, 5.4, fill=CREAM_LIGHT)
+    add_text(slide, 6.85, 1.55, 5.8, 0.35, "Примеры разных голосов", size=16, bold=True, color=GREEN_DARK)
+    quotes = [
+        ("Abigail (139 реплик)", "Oh, that's right... I heard someone new was moving onto that old farm."),
+        ("Jas (34 реплики)", "Wow, a birthday present! I love it!"),
+        ("Krobus (28 реплик)", "I wanted to give you this as a 'thank you' for letting me live here with you."),
+        ("Wizard (24 реплики)", "Ah, yes. I have predicted your arrival a long time ago, young PLAYER."),
+    ]
+    y = 1.98
+    for name, quote in quotes:
+        add_text(slide, 6.85, y, 5.8, 0.3, name, size=13, bold=True, color=BROWN)
+        add_text(slide, 6.85, y + 0.28, 5.75, 0.55, f"«{quote}»", size=13, color=DARK)
+        y += 1.08
+    add_notes(slide, "Объяснить: одна реплика — один объект. Показать четыре голоса: длинная речь Abigail, короткая детская реплика Jas, нечеловеческая вежливость Krobus, архаичный Wizard. Это иллюстрирует, что сигнал может быть в лексике, длине, пунктуации и синтаксисе.")
+
+    # 5. Кто в корпусе
+    slide_no += 1
+    slide = content_slide(prs, "Кто в корпусе", "Блок 1 · Корпус", slide_no)
+    add_panel(slide, 0.4, 1.35, 8.8, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "characters.png", 0.5, 1.42, 8.6, 5.4)
+    add_panel(slide, 9.3, 1.35, 3.6, 5.55, fill=CREAM)
+    add_bullets(slide, 9.48, 1.55, 3.25, 5.1, [
+        "34 персонажа: подростки, взрослые, пожилые, дети и нелюди.",
+        "Все реплики написаны одним разработчиком; многие — в одних и тех же обновлениях и сюжетных контекстах.",
+        "Классы сильно неравномерны: от 15 до 139 реплик.",
+        "Метаданные о поле, возрасте и виде используются только для анализа ошибок, не как признаки.",
+    ], size=14, title="Состав")
+    add_notes(slide, "Показать портреты. Подчеркнуть: один автор и общие сюжетные контексты — поэтому сходство голосов ожидаемо. Метаданные не подаются классификатору; они нужны только для интерпретации ошибок.")
+
+    # 6. Количество реплик
+    slide_no += 1
+    slide = content_slide(prs, "Сколько реплик у каждого", "Блок 1 · Корпус", slide_no, "Радиальная диаграмма: число реплик по персонажам")
+    add_panel(slide, 0.4, 1.35, 7.2, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, IMAGES / "replics-count.png", 0.5, 1.42, 7.0, 5.4)
+    add_panel(slide, 7.85, 1.35, 5.05, 5.55, fill=CREAM)
+    add_bullets(slide, 8.02, 1.55, 4.7, 5.0, [
+        "Максимум — Abigail: 139 реплик; минимум — Mister Qi: 15.",
+        "Разница между классами почти десятикратная.",
+        "При 34 классах случайное угадывание даёт около 2,9%.",
+        "Поэтому доля правильных ответов обманчива: модель может выбирать частые классы.",
+        "Основная метрика — макро-усреднённая F-мера: каждый персонаж весит одинаково.",
+    ], size=16, title="Дисбаланс классов")
+    add_notes(slide, "Диаграмма показывает дисбаланс. Сразу объяснить, почему accuracy не подходит: модель, всегда выбирающая Abigail, получит около 7% правильных ответов, но почти нулевую macro-F1 по остальным 33 классам.")
+
+    # 7. Длина реплик
+    slide_no += 1
+    slide = content_slide(prs, "Длина реплик", "Блок 1 · Корпус", slide_no, "Радиальная диаграмма: медианная длина предложения в символах")
+    add_panel(slide, 0.4, 1.35, 7.2, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, IMAGES / "median.png", 0.5, 1.42, 7.0, 5.4)
+    add_panel(slide, 7.85, 1.35, 5.05, 5.55, fill=CREAM)
+    add_bullets(slide, 8.02, 1.55, 4.7, 5.0, [
+        "Средняя длина — 19,1 слова; медиана — 17 слов.",
+        "Диапазон — от 3 до 78 слов.",
+        "Медианная длина предложения в символах: от 52 у Vincent до 114 у Sandy.",
+        "Короткие реплики дают мало свидетельств; стилометрические оценки на них нестабильны.",
+        "Длина сама по себе — сильный, но нежелательный признак: она может стать прокси персонажа.",
+    ], size=15, title="Короткие тексты")
+    add_notes(slide, "Числа у подписей — медианная длина предложения в символах. Показать контраст Vincent/Jas и Sandy/Wizard. Сказать, что длина — законный признак, но её вклад нужно проверять отдельно, иначе модель будет различать не стиль, а «кто говорит длиннее».")
+
+    # 8. Очистка и разметка
+    slide_no += 1
+    slide = content_slide(prs, "Очистка и разметка", "Блок 1 · Корпус", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.2, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.85, 5.1, [
+        "Источник — игровые реплики; CSV в cp1251, XLSX как резерв.",
+        "Нормализация Unicode: многоточия, кавычки, тире, неразрывные пробелы.",
+        "Плейсхолдеры <PLAYER>, <FARM> и другие заменены нейтральными словами; их количество сохранено отдельным признаком.",
+        "Токенизация и разбиение на предложения — NLTK; частеречная разметка — Penn Treebank → Universal POS.",
+        "Стоп-слова, пунктуация и регистр не удалялись: это стилометрический сигнал.",
+    ], size=15, title="Что сделали")
+    add_panel(slide, 6.9, 1.35, 5.95, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 7.1, 1.55, 5.55, 5.1, [
+        "Шум: дубликаты, технические артефакты, общие короткие фразы.",
+        "Ручная фильтрация уже удалила короткие и общие реплики; правила не сохранились.",
+        "В текущем CSV 0 точных дублей; 13 пар с косинусной близостью ≥ 0,8 — все внутри одного персонажа.",
+        "Нет идентификаторов сцен и диалогов; это ограничение анализа.",
+        "Разметка — только имя персонажа; никакой ручной стилистической разметки нет.",
+    ], size=15, title="Что считаем шумом")
+    add_notes(slide, "Объяснить различие между шумом и стилем. Удалять пунктуацию или стоп-слова нельзя: это носители стиля. Ручная фильтрация — ограничение: она могла удалить как раз короткие характерные реплики. Отметить, что почти-дубликаты не пересекают классы, поэтому утечки через них нет.")
+
+    # 9. Паспорт корпуса
+    slide_no += 1
+    slide = content_slide(prs, "Паспорт корпуса", "Блок 1 · Корпус", slide_no)
+    add_panel(slide, 0.45, 1.35, 7.1, 5.55, fill=CREAM_LIGHT)
+    rows = [
+        ["Показатель", "Значение"],
+        ["Реплик", "2005"],
+        ["Персонажей", "34"],
+        ["Словоупотреблений", "38 207"],
+        ["Средняя длина", "19,1 слова"],
+        ["Медиана длины", "17 слов"],
+        ["Минимум / максимум", "3 / 78 слов"],
+        ["Классы", "15–139 реплик"],
+        ["Точные дубли", "0"],
+        ["Почти-дубли (cos ≥ 0,8)", "13 пар, все внутри класса"],
+    ]
+    add_table(slide, 0.7, 1.6, 6.6, 4.9, rows, col_widths=[3.4, 3.2], font_size=13)
+    add_panel(slide, 7.85, 1.35, 5.05, 5.55, fill=CREAM)
+    add_bullets(slide, 8.02, 1.6, 4.7, 5.0, [
+        "Корпус пригоден для классификации, но не для сильных выводов о «чистом» стиле.",
+        "Ограничения: короткие тексты, дисбаланс, один автор, отсутствие сцен.",
+        "Все дальнейшие результаты нужно сравнивать с случайным уровнем 2,9%, а не с нулём.",
+    ], size=16, title="Что важно")
+    add_notes(slide, "Этот слайд — «паспорт» данных. Подчеркнуть: 2005 объектов и 34 класса — небольшая выборка; 15 реплик у Mister Qi дают очень широкий интервал. Поэтому дальше используем повторную перекрёстную проверку и доверительные интервалы.")
+
+    # 10. Блок 2
+    slide_no += 1
+    section_slide(
+        prs, 2, "Блок 2", "Методология: как измеряем стиль",
+        "Признаки, модели и проверка — на понятном языке",
+        ["Какие свойства текста считаем", "Как работает LSA", "Как устроены классификаторы", "Как не обмануть себя при оценке"],
+        "Передать слово рассказчику 2. Блок объясняет, что именно подаётся модели и почему выбранным методам можно доверять.",
+        slide_no,
+    )
+
+    # 11. Общая схема
+    slide_no += 1
+    slide = content_slide(prs, "Общая схема", "Блок 2 · Методология", slide_no)
+    steps = [
+        ("Реплика", "текст персонажа"),
+        ("Очистка", "Unicode, плейсхолдеры, пробелы"),
+        ("Токены и POS", "NLTK, Universal POS"),
+        ("Признаки", "ручные, n-граммы, LSA"),
+        ("Модель", "вероятности по 34 классам"),
+        ("Проверка", "5 блоков, повторы, метрики"),
+    ]
+    x = 0.55
+    for index, (title, subtitle) in enumerate(steps):
+        add_panel(slide, x, 2.0, 1.85, 2.35, fill=CREAM)
+        add_text(slide, x + 0.12, 2.18, 1.6, 0.45, title, size=15, bold=True, color=GREEN_DARK, align=PP_ALIGN.CENTER)
+        add_text(slide, x + 0.1, 2.7, 1.65, 1.1, subtitle, size=12, color=DARK, align=PP_ALIGN.CENTER)
+        if index < len(steps) - 1:
+            add_text(slide, x + 1.82, 2.7, 0.35, 0.4, "→", size=26, bold=True, color=RED, align=PP_ALIGN.CENTER)
+        x += 2.12
+    add_panel(slide, 0.55, 4.75, 12.15, 1.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 0.75, 4.9, 11.75, 1.2, [
+        "Обучение и преобразования выполняются только внутри обучающих блоков; тест не участвует в настройке.",
+        "Вектор признаков — это не «понимание» текста, а числовое описание его статистических свойств.",
+    ], size=15)
+    add_notes(slide, "Провести по схеме слева направо. Главная мысль: модель не «читает» реплику как человек, а считает частоты и комбинации признаков. Отдельно подчеркнуть, что все преобразования обучаются внутри блоков, иначе возникает утечка.")
+
+    # 12. Признаки
+    slide_no += 1
+    slide = content_slide(prs, "Признаки: что именно считаем", "Блок 2 · Методология", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.1, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.7, 5.1, [
+        "454 ручных признака в 11 группах.",
+        "Длина: слова, символы, предложения, длина слова.",
+        "Лексика и орфография: распределение длин, апострофы, заглавные, цифры.",
+        "Словарное богатство: TTR, Guiraud, Yule's K, hapax; на коротких текстах нестабильно.",
+        "Пунктуация: запятые, многоточия, восклицания, вопросы, повторы.",
+        "Разговорные маркеры: междометия, смех, хеджи, вежливость, сокращения.",
+    ], size=14, title="Ручные признаки")
+    add_panel(slide, 6.75, 1.35, 6.1, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 6.95, 1.55, 5.7, 5.1, [
+        "Функциональные слова: около 150 закрытых слов и 12 категорий.",
+        "Местоимения: 1-е, 2-е, 3-е лицо; отношение «я/ты».",
+        "Части речи: Universal POS и Penn Treebank, время, модальность, герундий.",
+        "Синтаксис-прокси: клаузы, подчинительные союзы, пассив, вопросы.",
+        "Символьные n-граммы 2–5 и POS n-граммы 1–3.",
+        "LSA: сжатые векторы по словам, содержанию, POS и символам.",
+    ], size=14, title="Синтаксис и векторные блоки")
+    add_notes(slide, "Не перечислять все 454 признака. Объяснить логику: закрытые классы слов и пунктуация — классическая стилометрия; n-граммы — морфология и синтаксис; LSA — сжатое представление. Отметить, что словарное богатство и читаемость помечены как предварительные из-за коротких текстов.")
+
+    # 13. LSA
+    slide_no += 1
+    slide = content_slide(prs, "LSA простыми словами", "Блок 2 · Методология", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.0, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.6, 5.1, [
+        "Строим таблицу «документ × термин» и взвешиваем частоты через TF-IDF.",
+        "Сжимаем таблицу сингулярным разложением до k скрытых осей.",
+        "Каждая реплика превращается в вектор из k чисел.",
+        "Оси не обязаны быть темами; их знак и порядок произвольны.",
+        "k выбирается по объяснённой дисперсии и внешней метрике.",
+    ], size=16, title="Идея")
+    add_panel(slide, 6.65, 1.35, 6.2, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 6.85, 1.55, 5.8, 5.1, [
+        "word — лексика и тема.",
+        "content — содержание после удаления стоп-слов.",
+        "fw — функциональные слова и синтаксис.",
+        "char — морфология и пунктуация.",
+        "pos — частеречные последовательности.",
+        "В работе k = 50–400; для content-LSA качество росло до 400.",
+    ], size=15, title="Варианты")
+    add_panel(slide, 0.65, 5.65, 11.9, 0.8, fill=CREAM_LIGHT)
+    add_text(slide, 0.8, 5.78, 11.6, 0.5, "Ключевой вопрос: LSA по содержательным словам ловит тему, а не только стиль.", size=15, bold=True, color=RED, align=PP_ALIGN.CENTER)
+    add_notes(slide, "Объяснить SVD без формул: было много столбцов, стало несколько скрытых осей; это сжатие, а не «понимание». Вариант content может кодировать тему, поэтому его нельзя автоматически называть стилем. В конце блока результатов покажем контроль содержания.")
+
+    # 14. Логистическая регрессия
+    slide_no += 1
+    slide = content_slide(prs, "Логистическая регрессия", "Блок 2 · Методология", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.0, 5.55, fill=CREAM)
+    add_text(slide, 0.7, 1.55, 5.5, 0.35, "Как работает", size=18, bold=True, color=GREEN_DARK)
+    add_bullets(slide, 0.7, 1.95, 5.5, 4.7, [
+        "Для каждого класса считает линейную оценку: сумма «признак × вес» плюс сдвиг.",
+        "Преобразует оценки в вероятности через softmax: они неотрицательны и суммируются в 1.",
+        "Обучение минимизирует перекрёстную энтропию — штраф за низкую вероятность истинного класса.",
+        "L2-регуляризация удерживает веса малыми; параметр C задаёт силу регуляризации.",
+        "class_weight='balanced' повышает вес редких классов.",
+    ], size=15)
+    add_panel(slide, 6.65, 1.35, 6.2, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 6.85, 1.55, 5.8, 5.1, [
+        "Плюсы: устойчива при большом числе признаков, даёт вероятности, коэффициенты интерпретируемы.",
+        "Минусы: только линейные границы; при сильной корреляции признаков веса нестабильны.",
+        "В работе — основная линейная базовая модель.",
+        "Сравнение C: 0,03–10; балансировка классов критична.",
+    ], size=15, title="Что важно")
+    add_notes(slide, "Объяснить на пальцах: модель складывает голоса признаков с весами; softmax превращает их в вероятности. C — обратная сила штрафа: меньше C — проще модель. Отметить, что без балансировки редкие персонажи почти не находятся; это было видно в эксперименте.")
+
+    # 15. SVM и деревья
+    slide_no += 1
+    slide = content_slide(prs, "SVM, деревья и ансамбли", "Блок 2 · Методология", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.05, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.65, 5.1, [
+        "Линейный SVM ищет границу с максимальным зазором; C штрафует ошибки.",
+        "SVM не даёт вероятностей: только решающую функцию; тройка лучших считается по её значениям.",
+        "Случайный лес: много деревьев, каждое на своей подвыборке; голосование.",
+        "Сверхслучайные деревья (ExtraTrees): пороги в узлах выбираются случайно; меньше дисперсии, быстрее.",
+        "Мягкое голосование усредняет вероятности нескольких моделей.",
+        "Стековое объединение обучает мета-классификатор на предсказаниях базовых моделей.",
+    ], size=14, title="Идеи моделей")
+    add_panel(slide, 6.7, 1.35, 6.15, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 6.9, 1.55, 5.75, 5.1, [
+        "Деревья ловят нелинейные взаимодействия: «если многоточий и короткая реплика — это Jas».",
+        "Легко переобучаются на 2005 объектах; нужны ограничения глубины и листьев.",
+        "Дельта Барроуза: расстояние до центроида по частотным словам — классическая проверка.",
+        "Ансамбль полезен, если ошибки моделей не полностью совпадают.",
+        "Стековое объединение в наших данных переобучилось и оказалось хуже голосования.",
+    ], size=14, title="Сильные и слабые стороны")
+    add_notes(slide, "Не углубляться в оптимизацию. Главное: SVM — линейная граница с зазором; деревья — нелинейные правила; ExtraTrees — случайные пороги; голосование усредняет вероятности. Дельта Барроуза — независимая классическая проверка, а не ещё одна нейросеть.")
+
+    # 16. Проверка
+    slide_no += 1
+    slide = content_slide(prs, "Как проверяем", "Блок 2 · Методология", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.25, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.85, 5.1, [
+        "Стратифицированная перекрёстная проверка: 5 блоков, доли классов сохраняются.",
+        "Повторяем 3–5 раз с разными разбиениями — оцениваем разброс.",
+        "Вложенная проверка: внешние блоки — оценка, внутренние — настройка.",
+        "Отложенная выборка 80/20 — независимая проверка финальных кандидатов.",
+    ], size=16, title="Схема")
+    add_panel(slide, 6.9, 1.35, 5.95, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 7.1, 1.55, 5.55, 5.1, [
+        "TF-IDF, SVD, масштабирование и отбор признаков обучаются только на обучающей выборке.",
+        "Тестовая выборка не участвует в выборе гиперпараметров или признаков.",
+        "Проверка перестановкой меток дала 0,027–0,028 — случайный уровень.",
+        "Почти-дубликаты внутри одного класса не пересекают обучение и тест.",
+        "Метрики: макро-F1, сбалансированная доля, тройка лучших, MCC, каппа, матрица ошибок.",
+    ], size=15, title="Контроль утечек")
+    add_notes(slide, "Объяснить, почему нельзя настраивать на тесте. Привести аналогию: если подсматривать ответы, оценка будет завышена. Перестановка меток — контроль: если модель на случайных метках даёт 0,027, пайплайн не течёт.")
+
+    # 17. Метрики
+    slide_no += 1
+    slide = content_slide(prs, "Метрики: что и зачем", "Блок 2 · Методология", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.15, 5.55, fill=CREAM_LIGHT)
+    rows = [
+        ["Метрика", "Что показывает"],
+        ["Макро-F1", "Средняя F-мера по 34 классам; все персонажи равны"],
+        ["Доля правильных", "Доля совпавших ответов; обманчива при дисбалансе"],
+        ["Сбалансированная доля", "Средняя полнота по классам"],
+        ["Тройка лучших", "Истинный класс в тройке лучших"],
+        ["MCC / каппа", "Согласие с поправкой на случай"],
+        ["Матрица ошибок", "Кто с кем путается"],
+    ]
+    add_table(slide, 0.65, 1.55, 5.75, 4.9, rows, col_widths=[2.2, 3.6], font_size=12)
+    add_panel(slide, 6.8, 1.35, 6.05, 5.55, fill=CREAM)
+    add_bullets(slide, 7.0, 1.55, 5.65, 5.1, [
+        "Случайный уровень при 34 классах: macro-F1 ≈ 0,029, top-3 ≈ 0,088.",
+        "Модель, всегда выбирающая Abigail: доля правильных ответов ≈ 6,9%, macro-F1 ≈ 0,004.",
+        "Поэтому основной вывод делаем по macro-F1 и доверительным интервалам.",
+        "Дополнительно смотрим F-меру по каждому персонажу и матрицу ошибок.",
+    ], size=16, title="Почему не доля правильных ответов")
+    add_notes(slide, "Главный методический слайд: объяснить, что accuracy при 34 классах может вводить в заблуждение. Пример Dummy: 6,9% accuracy, но почти нулевая macro-F1. Поэтому все выводы — по macro-F1, а per-class F1 показывает, кого именно модель не находит.")
+
+    # 18. Блок 3
+    slide_no += 1
+    section_slide(
+        prs, 3, "Блок 3", "Результаты и интерпретация",
+        "Что получилось, кого модель путает и что это значит",
+        ["Лучшие модели и масштаб качества", "Стиль или содержание", "Матрицы ошибок и пары персонажей", "Ограничения и выводы"],
+        "Передать слово рассказчику 3. Здесь важно не только назвать число, но и объяснить, что оно означает и чего оно не означает.",
+        slide_no,
+    )
+
+    # 19. Главный результат
+    slide_no += 1
+    slide = content_slide(prs, "Главный результат", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.4, 1.35, 9.0, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "model_comparison.png", 0.5, 1.45, 8.8, 5.35)
+    add_panel(slide, 9.55, 1.35, 3.35, 5.55, fill=CREAM)
+    add_bullets(slide, 9.72, 1.55, 3.05, 5.1, [
+        "Мягкое голосование: 0,304.",
+        "ExtraTrees, char=10000: 0,276.",
+        "Вложенный выбор: 0,275.",
+        "Случайный уровень: 0,029.",
+        "На отложенной выборке: 0,333.",
+    ], size=15, title="Макро-F1")
+    add_notes(slide, "Назвать числа и сразу масштаб: 0,30 при 34 классах — это примерно в 10 раз выше случайного. Не говорить «низкая точность» без сравнения с 0,029. Оговорить, что 0,333 на отложенной выборке — одно разбиение и широкий интервал.")
+
+    # 20. Что добавляет качество
+    slide_no += 1
+    slide = content_slide(prs, "Что добавляет качество", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.4, 1.35, 8.95, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "feature_progression.png", 0.5, 1.45, 8.75, 5.35)
+    add_panel(slide, 9.5, 1.35, 3.4, 5.55, fill=CREAM)
+    add_bullets(slide, 9.67, 1.55, 3.1, 5.1, [
+        "Ручные признаки: 0,105.",
+        "+ char/POS n-граммы: 0,182.",
+        "+ content-LSA: 0,249.",
+        "ExtraTrees + char=10000: 0,276.",
+        "Мягкое голосование: 0,304.",
+        "Основной прирост — лексика и n-граммы, не «чистый синтаксис».",
+    ], size=14, title="По шагам")
+    add_notes(slide, "Показать, что качество растёт не от «магии модели», а от добавления лексических и символьных признаков. Отметить: функциональные слова и POS- LSA сами по себе дают только 0,06–0,07.")
+
+    # 21. Стиль или содержание
+    slide_no += 1
+    slide = content_slide(prs, "Стиль или содержание?", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.4, 1.35, 8.4, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "topic_control.png", 0.5, 1.45, 8.2, 5.35)
+    add_panel(slide, 8.95, 1.35, 3.95, 5.55, fill=CREAM)
+    add_bullets(slide, 9.12, 1.55, 3.65, 5.1, [
+        "Исходный текст: 0,248.",
+        "После замены содержательных слов: 0,113.",
+        "Падение более чем вдвое.",
+        "Остаток 0,113 всё ещё в 3,9 раза выше случайного.",
+        "Значит, стиль есть, но содержание доминирует.",
+    ], size=15, title="Контроль")
+    add_notes(slide, "Это ключевой слайд для честной интерпретации. Содержательные слова заменили на CONTENT, оставив служебные слова, POS и пунктуацию. Качество упало с 0,248 до 0,113. Значит, нельзя утверждать, что модель выучила «чистый идиолект»: она во многом различает, о чём персонаж говорит.")
+
+    # 22. Как читать матрицу
+    slide_no += 1
+    slide = content_slide(prs, "Как читать матрицу ошибок", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.2, 5.55, fill=CREAM_LIGHT)
+    add_text(slide, 0.7, 1.55, 5.7, 0.4, "Маленький пример", size=17, bold=True, color=GREEN_DARK)
+    mini = [
+        ["истина \\ прогноз", "A", "B", "C"],
+        ["A", "70", "20", "10"],
+        ["B", "15", "75", "10"],
+        ["C", "5", "25", "70"],
+    ]
+    add_table(slide, 0.7, 2.05, 5.6, 2.5, mini, col_widths=[2.2, 1.1, 1.1, 1.1], font_size=14)
+    add_text(slide, 0.7, 4.7, 5.7, 1.8, "Строка — истинный персонаж. Столбец — предсказание модели. Диагональ — правильные ответы. Вне диагонали — ошибки. Числа — проценты от строки.", size=14, color=DARK)
+    add_panel(slide, 6.85, 1.35, 6.0, 5.55, fill=CREAM)
+    add_bullets(slide, 7.05, 1.55, 5.6, 5.1, [
+        "Полная матрица 34×34 на доске нечитаема.",
+        "Поэтому на слайде — 12 самых частых персонажей и столбец «прочие».",
+        "Отдельно показываем 18 самых частых пар ошибок.",
+        "Полная матрица 34×34 — в раздатке/приложении.",
+        "На доске смотрим диагональ, крупные внедиагональные клетки и «прочие».",
+    ], size=15, title="Как показываем")
+    add_notes(slide, "Объяснить матрицу на маленьком примере. Сказать: полная матрица 34×34 на доске превращается в кашу; поэтому используем три уровня: top-12 матрица, top-18 пар, полная матрица в раздатке. Это методически честно и читаемо.")
+
+    # 23. Матрица top12
+    slide_no += 1
+    slide = content_slide(prs, "Матрица ошибок: 12 персонажей", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.35, 1.35, 9.05, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "confusion_top12.png", 0.45, 1.45, 8.85, 5.35)
+    add_panel(slide, 9.6, 1.35, 3.3, 5.55, fill=CREAM)
+    add_bullets(slide, 9.77, 1.55, 3.0, 5.1, [
+        "Диагональ: доля правильных ответов внутри класса.",
+        "Abigail: 21% верно, 18% уходит в «прочие».",
+        "Alex: 37% верно, 11% → Abigail.",
+        "Sebastian: 19% верно, 20% → Abigail.",
+        "У многих строк крупная доля «прочих»: модель не находит редкие классы.",
+    ], size=13, title="Что видно")
+    add_notes(slide, "Провести по строкам: Abigail, Alex, Sebastian. Обратить внимание на столбец «прочие»: он большой, потому что 22 класса не поместились. Это не «мусор», а важная часть ошибок. Сказать, что диагональ далеко не 100%, но и не 0.")
+
+    # 24. Кого путает
+    slide_no += 1
+    slide = content_slide(prs, "Кого модель путает", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.35, 1.35, 9.0, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "confusion_pairs.png", 0.45, 1.45, 8.8, 5.35)
+    add_panel(slide, 9.55, 1.35, 3.35, 5.55, fill=CREAM)
+    add_bullets(slide, 9.72, 1.55, 3.05, 5.1, [
+        "Sebastian → Abigail: 65.",
+        "Sebastian → Alex: 61.",
+        "Abigail → Sebastian: 59.",
+        "Abigail → Alex: 56.",
+        "Основной клубок — подростки/молодые взрослые: Abigail, Alex, Sebastian, Haley, Sam.",
+    ], size=13, title="Частые пары")
+    add_notes(slide, "Показать, что ошибки не случайны: они концентрируются в одном круге персонажей. Это ожидаемо: один автор, общие темы, сходная эмоциональная окраска, короткие реплики. Это не доказательство «автор не старался», а наоборот — свидетельство близких речевых масок внутри группы.")
+
+    # 25. Классы-аттракторы
+    slide_no += 1
+    slide = content_slide(prs, "Классы-аттракторы", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.4, 1.35, 9.0, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "hub_shares.png", 0.5, 1.45, 8.8, 5.35)
+    add_panel(slide, 9.55, 1.35, 3.35, 5.55, fill=CREAM)
+    add_bullets(slide, 9.72, 1.55, 3.05, 5.1, [
+        "Alex: 11,4% предсказаний при истинной доле 6,0%.",
+        "Abigail: 10,9% при 6,9%.",
+        "Редкие классы недопредставлены.",
+        "Это не «демографическая» путаница, а стягивание к популярным голосам.",
+        "Коррекция приоров не улучшила macro-F1.",
+    ], size=13, title="Кто перетягивает")
+    add_notes(slide, "Объяснить «класс-аттрактор»: модель чаще выбирает Alex и Abigail, потому что их признаки часто встречаются и они похожи на многих. Редкие персонажи проигрывают. Простая коррекция приоров не помогла; нужны более тонкие правила или больше данных.")
+
+    # 26. Per-class F1
+    slide_no += 1
+    slide = content_slide(prs, "Персонажи: кто различается", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.3, 1.35, 9.25, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "per_class_f1.png", 0.4, 1.45, 9.05, 5.35)
+    add_panel(slide, 9.75, 1.35, 3.15, 5.55, fill=CREAM)
+    add_bullets(slide, 9.9, 1.55, 2.85, 5.1, [
+        "Лучшие: Willy, Evelyn, Pierre, Leo, Pam.",
+        "Худшие: Kent, Mister Qi, Penny, Abigail, Leah.",
+        "Редкие классы — широкие интервалы.",
+        "Мягкое голосование улучшает Wizard, Dwarf, Vincent.",
+    ], size=13, title="Факты")
+    add_notes(slide, "Показать, что качество по персонажам неоднородно. Evelyn/Willy/Pierre различаются лучше; Kent/Mister Qi/Penny — хуже. Это связано и с числом реплик, и с их речевой функцией. Не делать вывод, что персонаж «плохой»: у редких классов просто мало данных.")
+
+    # 27. Почему путаются
+    slide_no += 1
+    slide = content_slide(prs, "Почему персонажи путаются", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.15, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.75, 5.1, [
+        "Один автор и общие сюжетные контексты: персонажи говорят об одних и тех же событиях.",
+        "Сходные возраст и роль: подростки/молодые взрослые используют похожие темы и интонации.",
+        "Короткие реплики: мало слов, чтобы проявить индивидуальный синтаксис.",
+        "Дисбаланс: редкие классы реже выбираются моделью.",
+        "Общие формулы вежливости, шутки, междометия.",
+    ], size=15, title="Причины")
+    add_panel(slide, 6.8, 1.35, 6.05, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 7.0, 1.55, 5.65, 5.1, [
+        "Клубок: Abigail, Alex, Sebastian, Haley, Sam.",
+        "Нелюди (Krobus, Dwarf, Wizard) различаются лучше, но Wizard и Dwarf редки.",
+        "Дети (Jas, Vincent) имеют короткие реплики; их легче узнать по длине.",
+        "Это не доказательство сходства «характеров», а свойство текстовых признаков.",
+        "Нужны сцены и больше данных, чтобы отделить стиль от контекста.",
+    ], size=15, title="Что это значит")
+    add_notes(slide, "Ответить на вопрос «почему одни и те же персонажи путаются»: один автор, общие темы, сходный возраст/роль, короткие реплики, дисбаланс. Подчеркнуть: мы не делаем психологических выводов о персонажах; мы объясняем статистику ошибок.")
+
+    # 28. Что означают оценки
+    slide_no += 1
+    slide = content_slide(prs, "Что означают оценки", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.45, 1.35, 12.4, 5.55, fill=CREAM)
+    add_bullets(slide, 0.7, 1.55, 11.9, 5.1, [
+        "0,30 макро-F1 при 34 классах — это примерно в 10 раз выше случайного уровня 0,029.",
+        "Абсолютное значение умеренное: по одной короткой реплике персонажа действительно трудно определить.",
+        "Это не означает, что автор «не старался» или что стиль неразличим. Наоборот, устойчивое превышение случайного уровня говорит о намеренно различных голосах.",
+        "Умеренность объясняется короткими текстами, дисбалансом классов, общими темами и формулами, а не отсутствием стиля.",
+        "Мы не решаем задачу «он или не он писал»: все реплики одного автора. Мы решаем, какой персонаж говорит.",
+    ], size=17, title="Уточнение интерпретации")
+    add_notes(slide, "Здесь важно поправить исходную формулировку. Нельзя говорить «низкие оценки хорошие, потому что автор не старался». Корректно: оценки выше случайного уровня, но умеренные; это свидетельствует о частичной различимости голосов. Один автор — значит, различия созданы намеренно, а не разными авторами. Низкие абсолютные значения — следствие трудности задачи, а не приговор стилю.")
+
+    # 29. Ограничения
+    slide_no += 1
+    slide = content_slide(prs, "Ограничения", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.45, 1.35, 6.15, 5.55, fill=CREAM)
+    add_bullets(slide, 0.65, 1.55, 5.75, 5.1, [
+        "Один корпус, одна игра, один автор.",
+        "Нет внешней валидации на другом корпусе.",
+        "Короткие реплики и дисбаланс классов.",
+        "Ручная фильтрация корпуса не воспроизводится.",
+        "Нет идентификаторов сцен и диалогов.",
+    ], size=16, title="Данные")
+    add_panel(slide, 6.8, 1.35, 6.05, 5.55, fill=CREAM_LIGHT)
+    add_bullets(slide, 7.0, 1.55, 5.65, 5.1, [
+        "Выбор признаков и ансамбля опирался на предыдущие результаты.",
+        "Вложенная проверка снижает, но не устраняет оптимизм.",
+        "Содержательные слова и тема вносят большой вклад.",
+        "Простая калибровка приоров не помогла.",
+        "Стековое объединение переобучается на малом числе объектов.",
+    ], size=16, title="Методология")
+    add_notes(slide, "Перечислить ограничения честно. Главное: нельзя переносить выводы на другие игры/авторов без внешней проверки. И нельзя называть результат «чистым стилем», пока не отделена тема.")
+
+    # 30. Выводы
+    slide_no += 1
+    slide = content_slide(prs, "Выводы", "Блок 3 · Результаты", slide_no)
+    add_panel(slide, 0.45, 1.35, 12.4, 5.55, fill=CREAM)
+    add_bullets(slide, 0.75, 1.55, 11.8, 5.1, [
+        "Персонажи статистически различимы: лучшая модель — 0,304 макро-F1, консервативная оценка — 0,275 при случайном уровне 0,029.",
+        "Основной вклад дают лексика, символьные n-граммы и LSA по содержательным словам; функциональные слова и синтаксис сами по себе слабы.",
+        "После замены содержательных слов качество падает с 0,248 до 0,113: содержание доминирует, но стилевой сигнал сохраняется.",
+        "Главная проблема — редкие классы и классы-аттракторы; мягкое голосование помогает, но не решает её полностью.",
+        "Корректный вывод: различимы речевые маски по лексико-тематическому профилю; для утверждения о «чистом стиле» нужны внешняя валидация и тематический контроль.",
+    ], size=17, title="Пять тезисов")
+    add_notes(slide, "Сформулировать выводы без переубеждения аудитории. Главное: не «мы всё доказали», а «мы получили устойчивый выше случайного уровня сигнал; основной вклад — лексика/тема; для стиля нужны дальнейшие проверки».")
+
+    # 31. Приложение: полная матрица
+    slide_no += 1
+    slide = content_slide(prs, "Приложение: полная матрица 34×34", "Приложение", slide_no)
+    add_panel(slide, 0.35, 1.35, 7.4, 5.55, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "confusion_full34.png", 0.45, 1.45, 7.2, 5.35)
+    add_panel(slide, 7.95, 1.35, 4.95, 5.55, fill=CREAM)
+    add_bullets(slide, 8.12, 1.55, 4.6, 5.1, [
+        "Полная матрица 34×34 — для раздаточного материала.",
+        "На проекторе она слишком плотная; в докладе используем top-12 и top-18 пар.",
+        "Строки — истинные персонажи; столбцы — предсказания; цвет — доля строки.",
+        "Диагональ — правильные ответы; тёмные внедиагональные клетки — систематические ошибки.",
+    ], size=15, title="Как использовать")
+    add_notes(slide, "Этот слайд можно не показывать, а раздать. Если показывать, не читать все клетки: показать диагональ и несколько тёмных пятен.")
+
+    # 32. Финал: мем
+    slide_no += 1
+    slide = prs.slides.add_slide(prs.slide_layouts[6])
+    add_background(slide)
+    add_panel(slide, 0.55, 1.2, 6.2, 5.45, fill=CREAM)
+    add_text(slide, 0.85, 1.5, 5.6, 1.0, "Спасибо за внимание!", size=34, bold=True, color=GREEN_DARK)
+    add_text(slide, 0.85, 2.55, 5.5, 1.5, "Вопросы, обсуждение и предложения по экспериментам", size=18, color=DARK)
+    add_text(slide, 0.85, 4.2, 5.5, 1.2, "«Один автор — разные голоса»", size=20, bold=True, color=RED)
+    add_panel(slide, 7.0, 0.9, 5.8, 6.0, fill=CREAM_LIGHT)
+    add_image_fit(slide, GEN / "meme.png", 7.15, 1.05, 5.5, 5.7)
+    add_chicken(slide, 0.25, 7.05, 0.28)
+    add_notes(slide, "Финальный слайд с мемом. Поблагодарить, перейти к вопросам. Курица спрятана слева внизу — пасхалка.")
+
+    prs.save(OUT)
+    print(f"Готово: {OUT}")
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

lab1/presentation/make_slide_figures.py

@@ -0,0 +1,263 @@
+"""Графики для презентации: матрицы ошибок, сравнение моделей, ошибки по классам."""
+
+from __future__ import annotations
+
+from pathlib import Path
+
+import matplotlib
+matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+import numpy as np
+import pandas as pd
+from matplotlib.colors import LinearSegmentedColormap
+
+ROOT = Path(__file__).resolve().parents[1]
+OUT = ROOT / "presentation" / "generated"
+OUT.mkdir(parents=True, exist_ok=True)
+OOF = ROOT / "results" / "final" / "finalists" / "voting_et_char_lean" / "oof_predictions.csv"
+METRICS = ROOT / "FINAL_RESULTS.csv"
+
+plt.rcParams.update({
+    "font.family": "DejaVu Sans",
+    "font.size": 13,
+    "axes.titlesize": 18,
+    "axes.labelsize": 13,
+    "savefig.facecolor": "#F8F1DC",
+    "figure.facecolor": "#F8F1DC",
+})
+
+CREAM = "#F8F1DC"
+DARK = "#203A2B"
+GREEN = "#4D7C4A"
+BROWN = "#8B5A2B"
+RED = "#B23A2E"
+GOLD = "#D8A23A"
+
+CMAP = LinearSegmentedColormap.from_list("stardew_blue", ["#FFFDF4", "#BFD9C0", "#2E6B57", "#173A34"])
+
+
+def load_oof() -> pd.DataFrame:
+    frame = pd.read_csv(OOF)
+    frame["y_true"] = frame["y_true"].astype(str)
+    frame["y_pred"] = frame["y_pred"].astype(str)
+    return frame
+
+
+def top_confusions(frame: pd.DataFrame, n: int = 18) -> pd.Series:
+    errors = frame[frame["y_true"] != frame["y_pred"]]
+    pairs = errors.groupby(["y_true", "y_pred"]).size().sort_values(ascending=False).head(n)
+    pairs.index = [f"{a} → {b}" for a, b in pairs.index]
+    return pairs
+
+
+def confusion_top12(frame: pd.DataFrame) -> None:
+    labels = frame["y_true"].value_counts().head(12).index.tolist()
+    matrix = pd.crosstab(frame["y_true"], frame["y_pred"]).reindex(index=labels, fill_value=0)
+    shown = matrix[[c for c in labels if c in matrix.columns]].copy()
+    shown["прочие"] = matrix.drop(columns=[c for c in labels if c in matrix.columns]).sum(axis=1)
+    shown = shown.div(shown.sum(axis=1), axis=0) * 100
+
+    fig, ax = plt.subplots(figsize=(12.5, 7.4))
+    image = ax.imshow(shown.to_numpy(), cmap=CMAP, vmin=0, vmax=60, aspect="auto")
+    ax.set_xticks(np.arange(shown.shape[1]))
+    ax.set_yticks(np.arange(shown.shape[0]))
+    ax.set_xticklabels(shown.columns, rotation=42, ha="right", fontsize=10)
+    ax.set_yticklabels(shown.index, fontsize=11)
+    ax.set_xlabel("Предсказанный персонаж", fontsize=14, color=DARK)
+    ax.set_ylabel("Истинный персонаж", fontsize=14, color=DARK)
+    ax.set_title("Матрица ошибок: 12 самых частых персонажей, % строки", fontsize=18, color=DARK, pad=12)
+    for row in range(shown.shape[0]):
+        for col in range(shown.shape[1]):
+            value = shown.iloc[row, col]
+            if value >= 0.5:
+                color = "white" if value > 32 else DARK
+                ax.text(col, row, f"{value:.0f}", ha="center", va="center", fontsize=9, color=color)
+    cbar = fig.colorbar(image, ax=ax, fraction=0.035, pad=0.02)
+    cbar.set_label("% строки", color=DARK)
+    fig.tight_layout()
+    fig.savefig(OUT / "confusion_top12.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def confusion_full(frame: pd.DataFrame) -> None:
+    labels = sorted(frame["y_true"].unique())
+    matrix = pd.crosstab(frame["y_true"], frame["y_pred"]).reindex(index=labels, columns=labels, fill_value=0)
+    matrix = matrix.div(matrix.sum(axis=1), axis=0) * 100
+    fig, ax = plt.subplots(figsize=(13.5, 11.5))
+    image = ax.imshow(matrix.to_numpy(), cmap=CMAP, vmin=0, vmax=35, aspect="auto")
+    ax.set_xticks(np.arange(len(labels)))
+    ax.set_yticks(np.arange(len(labels)))
+    ax.set_xticklabels(labels, rotation=90, fontsize=5.5)
+    ax.set_yticklabels(labels, fontsize=5.5)
+    ax.set_xlabel("Предсказанный персонаж", fontsize=12, color=DARK)
+    ax.set_ylabel("Истинный персонаж", fontsize=12, color=DARK)
+    ax.set_title("Полная матрица ошибок, % строки (раздаточный материал)", fontsize=16, color=DARK)
+    fig.colorbar(image, ax=ax, fraction=0.03, pad=0.015).set_label("% строки")
+    fig.tight_layout()
+    fig.savefig(OUT / "confusion_full34.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def pairs_chart(frame: pd.DataFrame) -> None:
+    pairs = top_confusions(frame, 18).sort_values()
+    fig, ax = plt.subplots(figsize=(12.6, 7.2))
+    colors = [RED if i >= len(pairs) - 5 else BROWN for i in range(len(pairs))]
+    ax.barh(pairs.index, pairs.values, color=colors, edgecolor="white", linewidth=0.6)
+    for index, value in enumerate(pairs.values):
+        ax.text(value + 0.6, index, str(value), va="center", fontsize=10, color=DARK)
+    ax.set_xlabel("Число ошибок за 3 повтора", fontsize=13, color=DARK)
+    ax.set_title("Самые частые пары «истинный → предсказанный»", fontsize=18, color=DARK)
+    ax.tick_params(axis="y", labelsize=10)
+    ax.grid(axis="x", alpha=0.2, color=DARK)
+    ax.set_xlim(0, pairs.max() * 1.16)
+    fig.tight_layout()
+    fig.savefig(OUT / "confusion_pairs.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def per_class_chart(frame: pd.DataFrame) -> None:
+    first = frame[frame["repeat"] == frame["repeat"].min()]
+    labels = sorted(first["y_true"].unique())
+    rows = []
+    for label in labels:
+        mask = first["y_true"] == label
+        tp = int(((first["y_true"] == label) & (first["y_pred"] == label)).sum())
+        fp = int(((first["y_true"] != label) & (first["y_pred"] == label)).sum())
+        fn = int(((first["y_true"] == label) & (first["y_pred"] != label)).sum())
+        precision = tp / (tp + fp) if tp + fp else 0.0
+        recall = tp / (tp + fn) if tp + fn else 0.0
+        f1 = 2 * precision * recall / (precision + recall) if precision + recall else 0.0
+        rows.append((label, f1, int(mask.sum())))
+    table = pd.DataFrame(rows, columns=["class", "f1", "support"]).sort_values("f1")
+    worst = table.head(12).sort_values("f1", ascending=False)
+    best = table.tail(12).sort_values("f1")
+
+    fig, axes = plt.subplots(1, 2, figsize=(13.2, 7.0), gridspec_kw={"width_ratios": [1, 1]})
+    axes[0].barh(worst["class"], worst["f1"], color=RED, edgecolor="white")
+    axes[0].set_title("Худшие 12 персонажей", fontsize=15, color=DARK)
+    axes[0].set_xlim(0, 0.72)
+    axes[0].grid(axis="x", alpha=0.2)
+    for index, (value, support) in enumerate(zip(worst["f1"], worst["support"])):
+        axes[0].text(value + 0.008, index, f"{value:.2f}  (n={support})", va="center", fontsize=9, color=DARK)
+    axes[1].barh(best["class"], best["f1"], color=GREEN, edgecolor="white")
+    axes[1].set_title("Лучшие 12 персонажей", fontsize=15, color=DARK)
+    axes[1].set_xlim(0, 0.72)
+    axes[1].grid(axis="x", alpha=0.2)
+    for index, (value, support) in enumerate(zip(best["f1"], best["support"])):
+        axes[1].text(value + 0.008, index, f"{value:.2f}  (n={support})", va="center", fontsize=9, color=DARK)
+    fig.suptitle("F-мера по персонажам: мягкое голосование, первый повтор", fontsize=17, color=DARK, y=0.99)
+    fig.tight_layout()
+    fig.savefig(OUT / "per_class_f1.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def model_comparison() -> None:
+    table = pd.read_csv(METRICS)
+    wanted = [
+        ("voting_et_char_lean", "Мягкое голосование"),
+        ("et_char10000", "ExtraTrees, char=10000"),
+        ("nested_feature_selection", "Вложенный выбор"),
+        ("et_full", "ExtraTrees, полный"),
+        ("logreg_lean_content300", "Logreg, lean + content"),
+        ("stacking", "Стековое объединение"),
+    ]
+    rows = []
+    for key, label in wanted:
+        row = table[table["label"] == key]
+        if not row.empty:
+            rows.append((label, float(row.iloc[0]["macro_f1_mean"]), float(row.iloc[0]["macro_f1_std"])))
+    rows.append(("Случайный уровень", 0.029, 0.0))
+    frame = pd.DataFrame(rows, columns=["label", "mean", "std"]).sort_values("mean")
+    fig, ax = plt.subplots(figsize=(12.4, 6.8))
+    colors = [GOLD if label == "Мягкое голосование" else (RED if label == "Случайный уровень" else GREEN) for label in frame["label"]]
+    ax.barh(frame["label"], frame["mean"], xerr=frame["std"], color=colors, edgecolor="white", capsize=4)
+    for index, (value, std) in enumerate(zip(frame["mean"], frame["std"])):
+        offset = value + max(std, 0.0) + 0.008
+        ax.text(offset, index, f"{value:.3f}", va="center", fontsize=11, color=DARK)
+    ax.set_xlim(0, 0.38)
+    ax.set_xlabel("Макро-усреднённая F-мера", fontsize=13, color=DARK)
+    ax.set_title("Сравнение моделей: среднее и стандартное отклонение", fontsize=18, color=DARK)
+    ax.grid(axis="x", alpha=0.2)
+    fig.tight_layout()
+    fig.savefig(OUT / "model_comparison.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def feature_progression() -> None:
+    labels = [
+        "Только длина",
+        "Ручные признаки",
+        "Ручные + char/POS",
+        "+ content-LSA",
+        "ExtraTrees, char=10000",
+        "Мягкое голосование",
+    ]
+    values = [0.035, 0.105, 0.182, 0.249, 0.276, 0.304]
+    fig, ax = plt.subplots(figsize=(12.4, 6.6))
+    colors = [BROWN, BROWN, GREEN, GREEN, GOLD, RED]
+    ax.bar(labels, values, color=colors, edgecolor="white")
+    for index, value in enumerate(values):
+        ax.text(index, value + 0.008, f"{value:.3f}", ha="center", fontsize=12, color=DARK)
+    ax.set_ylim(0, 0.35)
+    ax.set_ylabel("Макро-усреднённая F-мера", fontsize=13, color=DARK)
+    ax.set_title("Что добавляет качество", fontsize=18, color=DARK)
+    ax.tick_params(axis="x", rotation=18, labelsize=11)
+    ax.grid(axis="y", alpha=0.2)
+    fig.tight_layout()
+    fig.savefig(OUT / "feature_progression.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def topic_control() -> None:
+    labels = ["Исходный\nExtraTrees", "Маскированный\nExtraTrees", "Исходный\nLogreg", "Маскированный\nLogreg"]
+    values = [0.2483, 0.1129, 0.1467, 0.1067]
+    fig, ax = plt.subplots(figsize=(10.8, 6.2))
+    colors = [GREEN, RED, GREEN, RED]
+    ax.bar(labels, values, color=colors, edgecolor="white")
+    for index, value in enumerate(values):
+        ax.text(index, value + 0.007, f"{value:.3f}", ha="center", fontsize=12, color=DARK)
+    ax.set_ylim(0, 0.30)
+    ax.set_ylabel("Макро-усреднённая F-мера", fontsize=13, color=DARK)
+    ax.set_title("Контроль содержания: замена содержательных слов на CONTENT", fontsize=17, color=DARK)
+    ax.tick_params(axis="x", labelsize=11)
+    ax.grid(axis="y", alpha=0.2)
+    fig.tight_layout()
+    fig.savefig(OUT / "topic_control.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def hub_shares(frame: pd.DataFrame) -> None:
+    true = frame["y_true"].value_counts(normalize=True)
+    pred = frame["y_pred"].value_counts(normalize=True)
+    labels = pred.head(10).index.tolist()
+    x = np.arange(len(labels))
+    fig, ax = plt.subplots(figsize=(12.4, 6.2))
+    ax.bar(x - 0.2, [true.get(label, 0) * 100 for label in labels], width=0.4, label="Истинная доля", color=GREEN)
+    ax.bar(x + 0.2, [pred.get(label, 0) * 100 for label in labels], width=0.4, label="Доля предсказаний", color=RED)
+    ax.set_xticks(x)
+    ax.set_xticklabels(labels, rotation=25, ha="right", fontsize=11)
+    ax.set_ylabel("% реплик", fontsize=13, color=DARK)
+    ax.set_title("Классы-аттракторы: кого модель выбирает слишком часто", fontsize=17, color=DARK)
+    ax.legend(frameon=False)
+    ax.grid(axis="y", alpha=0.2)
+    fig.tight_layout()
+    fig.savefig(OUT / "hub_shares.png", dpi=220, bbox_inches="tight")
+    plt.close(fig)
+
+
+def main() -> int:
+    frame = load_oof()
+    confusion_top12(frame)
+    confusion_full(frame)
+    pairs_chart(frame)
+    per_class_chart(frame)
+    model_comparison()
+    feature_progression()
+    topic_control()
+    hub_shares(frame)
+    print("Готово:", OUT)
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

lab1/presentation/requirements.txt

@@ -0,0 +1,3 @@
+python-pptx>=1.0,<2
+Pillow>=10
+matplotlib>=3.8