Details

Целью работы является разработка и исследование системы адаптивной генерации новостных реприз, объединяющей механизмы семантической дедупликации, этической фильтрации и адаптивной настройки параметров языковой модели на основе обратной связи от аудитории и внешних факторов. Были решены следующие задачи:  проведён анализ теоретических аспектов управления контентом, методов генерации, подходов к дедупликации и фильтрации;  спроектирована архитектура системы, определены функциональные требования, обоснован выбор технологического стека;  реализованы модули сбора новостей, семантической дедупликации, генерации с классификацией чувствительности и постпроверкой;  реализованы модули сбора реакций аудитории, учёта погодных данных, а также модуль адаптивного обновления параметров;  разработана методика экспериментальной валидации системы. Актуальность темы обусловлена потребностью в автоматизации создания новостного контента с решением задач исключения дубликатов, предотвращения неуместного тона и адаптации стиля под реакцию аудитории. Источниками информации выступили данные новостных сайтов, метеорологические данные, реакции аудитории из Telegram-канала, а также отечественная и зарубежная научно-исследовательская литература по методам NLP, LLM и адаптивного управления контентом. Разработанная система реализована на языке Python с использованием библиотек requests, beautifulsoup4, pandas, schedule, платформы локального развёртывания LLM Ollama, Telegram Bot API и MTProto API. Результаты работы могут быть применены для автоматизации контент-процессов в новостных каналах, маркетинговых инструментах, образовательных платформах и корпоративных системах генерации отчётов.

The purpose of the work is to develop and research a system for adaptive generation of news reprises that combines mechanisms of semantic deduplication, ethical filtering and adaptive adjustment of language model parameters based on audience feedback and external factors. The following tasks were solved: - an analysis of theoretical aspects of content management, generation methods, approaches to deduplication and filtering was carried out; - the system architecture was designed, functional requirements were defined, the choice of technology stack was justified; - modules for news collection, semantic deduplication, generation with sensitivity classification and post-generation verification were implemented; - modules for collecting audience reactions, weather data, as well as a module for adaptive parameter update were implemented; - a methodology for experimental validation of the system was developed. The relevance of the topic is due to the need to automate the creation of news content while solving the problems of eliminating duplicates, preventing inappropriate tone and adapting the style to the audiences reaction. The sources of information were data from news websites, meteorological data, audience reactions from a Telegram channel, as well as Russian and foreign research literature on NLP, LLM and adaptive content management methods. The developed system is implemented in Python using the requests, beautifulsoup4, pandas, schedule libraries, the Ollama local LLM deployment platform, Telegram Bot API and MTProto API. The results of the work can be applied to automate content processes in news channels, marketing tools, educational platforms and corporate report generation systems.