Actualmente, las encuestas directas se utilizan cada vez menos para evaluar la satisfacción con la calidad de los servicios de usuario. Uno de los métodos más efectivos para resolver este problema es extraer las actitudes de los usuarios a partir de textos en redes sociales utilizando la minería de texto en lenguaje natural. Este enfoque ayuda a obtener resultados más objetivos al aumentar la representatividad e independencia de la muestra de consumidores de servicios que se está estudiando. El propósito de este artículo es mejorar los métodos existentes y probar un método para clasificar las reseñas de texto en ruso de pacientes sobre el trabajo de instituciones médicas y médicos, extraídas de recursos en redes sociales. Los autores desarrollaron un método híbrido para clasificar las reseñas de texto sobre el trabajo de instituciones médicas y probaron métodos de aprendizaje automático utilizando diversas arquitecturas de redes neuronales (GRU, LSTM, CNN) para lograr este objetivo. Se analizaron más de 60,000 reseñas publicadas por pacientes en los dos sitios de reseñas de médicos más populares en Rusia. Principales resultados: (1) el algoritmo de clasificación desarrollado es altamente eficiente: el mejor resultado fue mostrado por la arquitectura basada en GRU (val_accuracy = 0.9271); (2) la aplicación del método de búsqueda de entidades nombradas a los mensajes de texto después de su división permitió aumentar la eficiencia de clasificación para cada uno de los clasificadores basados en el uso de redes neuronales artificiales. Este estudio tiene novedad científica y significado práctico en el campo de la investigación social y demográfica. Para mejorar la calidad de la clasificación, en el futuro, se planea ampliar la división semántica de la reseña por objeto de apelación y sentimiento y tener en cuenta los fragmentos resultantes por separado.