Аннотация:Работа посвящена задаче бинарной классификации формального и
неформального стилей русского текста в области прикладной математики и
информатики. Были сформированы параллельный корпус формальных и
неформальных предложений, выполнено стратифицированное и групповое
разбиение данных, после чего реализованы и обучены три нейросетевые модели
— сверточная сеть (CNN), двунаправленная LSTM (BiLSTM) и трансформер
RuBERT. Проведена всесторонняя оценка качества по метрикам precision, recall,
F1‐score и accuracy, показавшая явное преимущество RuBERT.