Radar Informacji

Czym jest Radar Informacji?

Radar Informacji to w pełni zautomatyzowane środowisko do analizy bieżących trendów i wydarzeń w mediach. Codziennie przetwarza strumień setek artykułów z wiodących serwisów informacyjnych, identyfikując spójne klastry tematyczne, tworząc ich zwięzłe podsumowania oraz badając źródła i wydźwięk emocjonalny.

W przeciwieństwie do tradycyjnych agregatorów wiadomości, Radar Informacji nie korzysta ze sztywnych, z góry narzuconych kategorii (np. „Polityka”, „Sport”). Zamiast tego, nazwy i zakresy tematów są wyznaczane w sposób nienadzorowany na podstawie rzeczywistej zawartości i semantycznego podobieństwa napływających tekstów.

Narzędzie jest w 100% darmowe, nie wymaga logowania, nie wyświetla reklam i powstało w celach badawczo-edukacyjnych.

8-etapowy potok algorytmiczny

Proces generowania codziennych podsumowań opiera się na 8-krokowym deterministycznym potoku uczenia maszynowego:

[ 1. Web Stream ] ──> [ 2. Eksport JSONL ] ──> [ 3. Embeddingi 512D ]
                                                         │
[ 6. Etykiety GenAI ] <── [ 5. HDBSCAN ] <── [ 4. t-SNE / UMAP ]
         │
         ▼
[ 7. Synteza Podsumowania (~700 zn.) ] ──> [ 8. Dni Podobne (Bi-Encoder) ]

Krok 1: Pobieranie i normalizacja wiadomości

Cykliczny crawler pobiera artykuły i nagłówki z dziesiątek zróżnicowanych polskich i międzynarodowych serwisów newsowych, tworząc surowy strumień aktualności.

Krok 2: Eksport do formatu JSONL

Dane są ujednolicane do ustrukturyzowanego formatu JSONL zawierającego oczyszczony tekst oraz metadane:

{
  "text": "Treść lub nagłówek artykułu...",
  "metadata": {
    "language": "pl",
    "polarity_3c": "positive",
    "source": "NazwaPortalu",
    "news_url": "https://..."
  }
}

Krok 3: Generowanie gęstych wektorów (Sentence-Transformers)

Dla każdego artykułu generowany jest 512-wymiarowy wektor cech (embedding) za pomocą dedykowanego modelu Sentence-Transformers zoptymalizowanego dla języka polskiego: * Teksty powyżej 508 tokenów są bezpiecznie obcinane, * Wektory poddawane są normalizacji L₂ w celu bezpośredniego wykorzystania podobieństwa cosinusowego, * Przetwarzanie wsadowe (batch size 500) gwarantuje maksymalne wykorzystanie GPU.

Krok 4: Nieliniowa redukcja wymiarowości

Przestrzeń embeddingów jest redukowana z 512 wymiarów przy użyciu algorytmów t-SNE (metoda Barnes-Hut) lub UMAP. Pozwala to zachować zarówno lokalną strukturę gęstych skupisk powiązanych wiadomości, jak i globalne relacje między różnymi tematami.

Krok 5: Dynamiczne klastrowanie HDBSCAN

Zamiast stosować statyczny próg odcięcia, algorytm testuje 32 różne wartości parametru min_cluster_size (w zakresie od 5 do 60): * Kryterium doboru preferuje konfigurację generującą optymalnie 25–45 klastrów tematycznych dziennie (ze złotym środkiem w okolicach 35 tematów), * W przypadku remisu wybierana jest konfiguracja minimalizująca liczbę odrzuconych przykładów odstających (outliers).

Krok 6: Generatywne nazywanie tematów

Każde wyodrębnione skupisko artykułów przekazywane jest do modelu generatywnego LLM, który analizuje wspólny mianownik tekstów i tworzy trafną, precyzyjną nazwę tematu (np. „Wyprawa kosmiczna Artemis – postępy i testy napędu”).

Krok 7: Synteza zwięzłego podsumowania

Dla każdego klastra model językowy generuje obiektywne podsumowanie o długości około 700 znaków. Wyjściowy tekst przechodzi automatyczną weryfikację poprawności językowej i ortograficznej.

Krok 8: Wyszukiwanie Dni Podobnych (Similar Days)

Każdy dzień poddawany jest wektoryzacji dedykowanym modelem article-bi-encoder-20240901. Poprzez porównanie cosinusowe z historyczną bazą danych algorytm wskazuje do 10 najbardziej podobnych wydarzeń z dnia poprzedzającego.

Prezentacja danych w interfejsie użytkownika

Aplikacja Radar Informacji łączy rzutowanie wielowymiarowej przestrzeni semantycznej z interaktywnymi kartami podsumowań:

Sprawdź rzeczywiste tematy i wykresy w Radarze Informacji.

Moduły analityczne i metryki

Radar Informacji wyposażony jest w zestaw narzędzi analitycznych:

• Wykres propagacji źródeł: Wizualizacja procentowego udziału poszczególnych portali w danym temacie, pozwalająca zbadać, które media zapoczątkowały lub zdominowały dany wątek.
• Wskaźnik polaryzacji emocjonalnej: Ocena wydźwięku tekstów w klastrze (pozytywny, negatywny, ambiwalentny) z wykorzystaniem modelu radlab/polarity-3c.
• Archiwum i kalendarz: Możliwość cofnięcia się do dowolnego dnia i prześledzenia dynamiki ewolucji tematów w czasie.
• Wykrywanie relacji (Eksplorator): Analiza grafowa powiązań między bytami i wątkami pojawiającymi się w wiadomościach.

Dostęp i integracja

• Aplikacja webowa: radar.apps.radlab.dev
• Dokumentacja techniczna algorytmu: radar.apps.radlab.dev/algorithm
• Status: W 100% darmowy, open-access, bez wymogu logowania.