Hogyan készül ez a hírszemle

Az Argus gépi hírszemle: külső kiadók nyilvános hírfolyamait gyűjti, szűri, pontozza, majd témakörönként egy kiemelt hírt és néhány további jelzést foglal össze. Emberi szerkesztő nem nézi át a kiadásokat. Ez a lap ezért nem hírszolgáltatás, hanem válogatás — és az alábbiakban végigvezetjük, pontosan mit tesz a rendszer, és mit nem.

1. Gyűjtés

A rendszer néhány óránként lekérdezi a témakörökhöz rendelt RSS-forrásokat és a témakörönként megfogalmazott Google News kereséseket. Fizetős keresési szolgáltatást nem használ. Minden találatnál az eredeti kiadó URL-je kerül a tárba: a Google News átjáró-linkjeit a rendszer feloldja, és amelyiket nem sikerül visszavezetni a kiadóra, azt eldobja — a lapon nincs olyan hír, amely nem az eredeti cikkre mutat.

A cikk szövegét a rendszer az eredeti oldalról olvassa ki. Ha az oldal fizetőfal vagy technikai védelem miatt nem elérhető, a hír a címével és a leírásával kerül tovább — ezt a kiadásban jelezzük („a teljes szöveg nem volt elérhető”).

2. Előszűrés — mérhető jelek

Az első szint nem használ nyelvi modellt, csak mérhető jeleket. Minden jelölt 0–10 pontot kap négy összetevőből:

Összetevő	Súly	Mit mér
témaközelség	45%	a cikk és a témakör leírásának szemantikus hasonlósága
kulcsszavak	20%	a témakör kifejezései a címben és a leírásban
forráshitelesség	20%	a kiadóhoz rendelt, kézzel adott súly (pontos domain-egyezés alapján)
frissesség	15%	a megjelenés óta eltelt idő a 24 órás időablakon belül

Két dolog ezen a szinten kizárás, nem pontlevonás: a témakör tiltólistás kifejezései (például horoszkóp, sporteredmény, nyereményjáték) és a fizetett tartalom (szponzorált cikk, hirdetés). Amit a tiltólista elkap, az akkor sem jelenik meg, ha minden más jele erős. Kiesik továbbá az a hír is, amelynek témaközelsége a küszöb alatt van — friss és hiteles forrásból származó, de a témakörhöz nem tartozó cikk nem kerül a kiadásba.

3. Deduplikáció — egy történet egyszer

Ugyanarról a fejleményről több kiadó is beszámol. A rendszer minden cikkről 384 dimenziós jelentésvektort készít (helyben futó, ingyenes modellel), és ennek alapján vonja össze az egy történetről szóló változatokat. A döntés két jelre épül: mennyire hasonlít a két szöveg jelentése, és mennyi közös tartalmas szó van a címükben — minél kisebb a jelentésbeli hasonlóság, annál több címegyezés kell ugyanahhoz a döntéshez.

A klaszterből a legjobb pontszámú változat képviseli a történetet; a többi nem tűnik el a tárból, csak a kiadásba nem kerül be másodszor. Ha ugyanaz a hír két témakörhöz is tartozik, mindkét témakör briefingjében megjelenhet — a témakörök külön kiadások.

4. AI gatekeeper — döntéshozói megítélés

A második szinten témakörönként legfeljebb 25 jelölt kerül egy nyelvi modell elé, amely mindegyiket öt szempont szerint pontozza 0–10 között:

Szempont	Súly
stratégiai és üzleti hatás	35%
érintett piac vagy vállalati kör mérete	20%
sürgősség és időhorizont	15%
forrás és bizonyíték megbízhatósága	15%
újdonság, valódi változás	15%

A modell a cikkek szövegét határolt blokkokban kapja, és utasítást kap arra, hogy a cikkekbe írt utasításokat ne követse. Eszközt és adatbázis-hozzáférést nem kap. Ha egy jelöltre nem érkezik értékelhető válasz, a rendszer még egyszer rákérdez — ami ezután is hiányos, az kiesik. Kitalált „közepes” pontszám nincs.

5. Végső pontszám és kiválasztás

A végső sorrendet a két szint együtt adja: 40% mérhető jelek + 60% döntéshozói megítélés. Így egyik szint sem tud egyedül dönteni: a puszta témaközelség nem emel a kiadás élére semmit, és a nyelvi modell sem tud a mért jelek ellenében választani.

Témakörönként egy kiemelt hír és néhány további jelzés kerül a kiadásba, kizárólag különböző történetekből. A kiemelt hírnél megjelenik a pontozás indoka is — ez a modell saját, rövid magyarázata arról, miért ez került az élre. A számszerű pontszámok belső adatok; a lapon nem jelennek meg, mert önmagukban félrevezetőek lennének.

Minden kiadás alján ott van a futás tölcsére: mennyi hírt látott a rendszer, mennyi maradt a szűrés után, hány önálló történetre olvadt, mennyit értékelt a modell, és mennyi került a kiadásba. Ezek a valódi futás számai.

6. Kiadások és időpontok

• napi témabriefing: minden reggel 06:30-kor (Europe/Budapest), 24 órás időablakból;
• heti összefoglaló: pénteken 16:30-kor, a hét napi kiadásainak cikkeiből — a végén figyelőlistával, amelyet a következő heti kiadás visszamér;
• havi összegzés: a hónap utolsó napján 17:00-kor, a heti kiadásokból és a napi kiemelt hírekből.

Minden kiadás egyszer készül el, és a saját permalinkjén marad elérhető. Ha egy futás hibára fut — például a nyelvi modell nem ad érvényes választ, vagy a kimenet nem hivatkozik létező, kiválasztott cikkre —, akkor nem jelenik meg félkész kiadás: a lapon az előző kiadás marad, a hibás futás pedig naplózódik.

7. Amit a rendszer nem tesz

• nem küld emailt, nincs feliratkozás és nincs címzettlista;
• nem követi a kattintásokat, nem személyre szab, nem használ hirdetési sütit;
• nem jelenít meg minden beérkező hírt: válogat, és a válogatás veszít információt;
• nem valós idejű: két kiadás között történt fejlemény nem jelenik meg;
• nem közöl át teljes cikket: a szöveg a rendszer saját megfogalmazása, a cikk a kiadónál olvasható.

8. Hibák és korlátok

A gépi válogatás tévedhet: kihagyhat fontos hírt, felülértékelhet jelentéktelent, és az összefoglaló is félreteheti a hangsúlyt. A rendszer ezért mutatja meg a forrást, az eredeti megjelenési időt és a kiemelés indokát minden hírnél — hogy az olvasó ellenőrizhesse. Ha hibát talál, a lap láblécében szereplő készítőnek érdemes jelezni.