Тема выпускной квалификационной работы: «Агрегатор новостей с использованием нейросети». Целью этой работы было создание настольного приложения для эффективной агрегации новостей, применяя нейросеть YandexGPT для генерации выжимок статей, обеспечивая пользователям краткую, но содержательную информацию о текущих новостях. В рамках работы были решены следующие задачи: 1. Интеграция с NewsAPI: • Реализовать надежное взаимодействие с NewsAPI для получения свежих новостей из различных источников. • Разработать систему кеширования результатов для оптимизации запросов к NewsAPI, с целью улучшения производительности и сокращения времени загрузки данных. 2. Создание интуитивно понятный и удобный интерфейс для пользователя 3. Внедрение функционала фильтрации новостей, позволяющий пользователям выбирать информацию по категориям. 4. Интеграция с сервисом YandexGPT для создания кратких выжимок статей. 5. Сохранение истории Для реализации проекта были использованы следующие технологии: язык Java, фреймворк JavaFX, библиотека для работы с JSON, Jsoup для парсинга HTML страниц, библиотека для кеширования Caffeine, система сборки Gradle, система разработки IntelliJ IDEA. В результате выполнения работы было разработано настольное приложение, которое агрегирует новости и выдает краткую выжимку на каждую статью. Все поставленные цели были достигнуты.

The topic of the final qualification work: «News aggregator using neural network». The goal of this work was to create a desktop application for efficient news aggregation, applying the YandexGPT neural network to generate article squeezes, providing users with brief but meaningful information about current news. The following tasks were accomplished as part of the work: 1. Integration with NewsAPI: • Implement a robust interaction with NewsAPI to retrieve breaking news from various sources. • Develop a result caching system to optimise queries to NewsAPI to improve performance and reduce data load time. 2. Create an intuitive and user-friendly user interface 3. Implement news filtering functionality, allowing users to select information by category. 4. Integration with the YandexGPT service to create short extracts of articles. 5. History preservation The following technologies were used to implement the project: Java language, JavaFX framework, library for working with JSON, Jsoup for parsing HTML pages, Caffeine caching library, Gradle build system, IntelliJ IDEA development system. As a result of the work, I developed a desktop application that aggregates news and provides a short extract for each article. All the set goals were achieved.

• Введение
• Глава 1. Обзор существующих решений и исследований
  • 1.1. Существующие решения
  • 1.2. Исследования
• Глава 2. Обоснование выбора технологий и средств разработки
  • 2.1. Java
  • 2.2. JavaFX
  • 2.3. NewsAPI
  • 2.4. YandexGPT
  • 2.5. JSON
  • 2.6. Jsoup
  • 2.7. Caffeine
  • 2.8. Gradle
  • 2.9. IntelliJ IDEA
• Глава 3. Практическая реализация
  • 3.1. Интеграция с NewsAPI
  • 3.2. Пользовательский интерфейс
  • 3.3. Интеграция с YandexGPT для выжимок
  • 3.4. Фильтрация новостей
  • 3.5. Сохранение истории
• Заключение
• Список использованных источников