Детальная информация

Цель работы: Разработка интеллектуального программного решения на базе Telegram-бота для автоматизации процессов сбора, анализа, суммаризации и генерации новостного контента с использованием современных нейросетевых моделей. Решенные вопросы по ходу написания магистерской работы: Собрана гибкая микросервисная система. Каждый компонент — от парсинга до генерации контента — живёт своей жизнью, что упрощает масштабирование и отладку. Настроен автоматический сбор данных из Telegram-каналов — учтены все капризы API и особенности работы с большим потоком входящей информации, чтобы всё шло быстро и без сбоев. Подключена векторная база знаний, которая обеспечивает молниеносный и точный семантический поиск по всей накопленной информации — никакой лишней возни, только нужные данные. Сделан удобный Telegram-бот с гибкими настройками. Пользователь сам выбирает, как ему нужен контент, а бот не задаёт лишних вопросов и выдаёт всё в удобной и понятной форме. Актуальность темы: Затронутая тема сегодня как никогда в фокусе — объёмы цифрового контента растут стремительно, и безумная скорость информационных потоков делает автоматизацию обработки не просто удобством, а необходимостью. Telegram, как одна из главных площадок для распространения новостей, уже не справляется без умных инструментов, способных брать на себя рутину аналитики. Создание таких решений — это не просто про удобство, а про вклад в развитие цифровой среды, где медиа становятся быстрее, точнее и технологичнее. Информационной базой исследования послужили академические публикации в области искусственного интеллекта и обработки естественного языка, техническая документация Telegram API, современные исследования по моделям GPT и подходам Retrieval-Augmented Generation (RAG), а также результаты собственного экспериментального тестирования системы. Результатом работы является функционально завершённый Telegram-бот, обеспечивающий полный цикл автоматической работы с новостным контентом: от извлечения данных до генерации аналитических статей. Система обеспечивает повышение производительности редакций, снижение временных затрат, гибкость настройки и интеграцию с современными AI-моделями. По результатам внедрения система показала сокращение времени подготовки текстов более чем в 5 раз при сохранении высокого уровня качества материалов.

The objective of this work is to develop an intelligent software solution in the form of a Telegram bot aimed at automating the processes of collecting, analyzing, summarizing, and generating news content using state-of-the-art neural network models. The following tasks were accomplished during the course of the research: A flexible microservice system is built. Each component - from parsing to content generation - has its own life, which simplifies scaling and debugging. Automatic data collection from Telegram channels is set up - all the vagaries of the API and the peculiarities of working with a large flow of incoming information are taken into account, so that everything runs quickly and without failures. A vector knowledge base is connected, which provides lightning-fast and accurate semantic search of all accumulated information - no unnecessary fuss, only the necessary data. A convenient Telegram bot with flexible settings has been made. The user chooses how he wants the content, and the bot does not ask unnecessary questions and gives everything in a convenient and understandable form. The relevance of the topic: The topic touched upon is more in focus today than ever before - the volume of digital content is growing rapidly, and the insane speed of information flows makes automation of processing not just a convenience, but a necessity. Telegram, as one of the main platforms for news distribution, can no longer cope without smart tools capable of taking over the routine analytics. Creating such solutions is not just about convenience but about contributing to the development of the digital environment, where media are becoming faster, more accurate and more technological. The information basis of the research includes academic publications in the fields of artificial intelligence and natural language processing, official Telegram API documentation, recent studies on GPT models and Retrieval-Augmented Generation (RAG) techniques, as well as the author’s own experimental testing results. The outcome of this work is a fully functional Telegram bot that performs a complete cycle of automated news content processing—from data extraction to the generation of analytical articles. The system improves editorial productivity, reduces time expenditures, offers flexible customization, and integrates seamlessly with advanced AI models. According to implementation results, the system has reduced the time required for content preparation by more than five times, while maintaining a high level of output quality.

• ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
• GRADUATE QUALIFICATION PAPER MASTER’S DISSERTATION
• РЕФЕРАТ
• ABSTRACT
• ВВЕДЕНИЕ
• 1. ОПИСАНИЕ И АНАЛИЗ СОЗДАВАЕМОГО ПРОДУКТА
• 1.1 Теоретические основы разработки
• 1.2 Анализ уже имеющихся инструментов
• 1.3 Анализ статей
• 2. ТЕХНИЧЕСКИЕ ОСОБЕННОСТИ ПРОДУКТА
• 2.1 Формирование технического задания
  • 2.1.1 Общие сведения
  • 2.1.2 Назначение и цели создания системы
  • 2.1.3 Требования к системе
  • 2.1.4 Функциональные требования:
    • 2.1.4.1 Функции бота
    • 2.1.4.2 Функции парсинга новостей
    • 2.1.4.3 Функции суммаризации новостей
  • 2.1.5 Этапы разработки
  • 2.1.6 Состав и содержание работы
  • 2.1.7 Порядок контроля и приемки системы
  • 2.1.8 Требования к документации
• 2.2 Разбор технического задания
• 2.3 Построение и анализ архитектуры приложения
  • 2.3.1 Общие сведения
  • 2.3.2 Архитектура Telegram-приложения
  • 2.3.3 Архитектура парсера новостей
  • 2.3.4 Архитектура CMS Strapi
  • 2.3.5 Архитектура баз данных SQLite
• 3. РЕАЛИЗАЦИЯ И ОЦЕНКА ЭФФЕКТА
  • 3.1 Реализация продукта
  • 3.2 Оценка эффекта продукта
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• СВЕДЕНИЯ ОБ УЧАСТИИ АВТОРА В НАУЧНОЙ РАБОТЕ