Timelines – funkční vzorek algoritmů vytvářející automatizovaná shrnutí zpravodajských textů pro účely ekosystému iRozhlas

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F24%3A00382012" target="_blank" >RIV/68407700:21230/24:00382012 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Timelines – funkční vzorek algoritmů vytvářející automatizovaná shrnutí zpravodajských textů pro účely ekosystému iRozhlas

Popis výsledku v původním jazyce

Funkční vzorek software slouží k sumarizaci novinářských textů prostřednictvím tvorby interaktivní časové osy, která integruje události ze všech dokumentů vztahujících se k dané kauze. Nástroj je založen na kvalitně označených článcích z archivu ČRo a využívá jazykových modelů k extrakci a zpracování informací. Výsledky jsou zobrazeny na HTML stránce pro snadnou vizualizaci.

Název v anglickém jazyce

Timelines - a functional sample of algorithms that create automated summaries of news texts for the purposes of the iRadio ecosystem

Popis výsledku anglicky

Functional sample software used to summarize journalistic texts by creating an interactive timeline that integrates events from all documents related to a given case. The tool is based on well-tagged articles from the CRo archive and uses language models to extract and process information. The results are displayed on an HTML page for easy visualization.

Druh

G_funk - Funkční vzorek

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TQ01000100" target="_blank" >TQ01000100: Newsroom AI: veřejná služba v éře automatizované žurnalistiky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

TQ01000100-V2

Číselná identifikace

TQ01000100-V2

Technické parametry

Funkční vzorek software pro sumarizace s časovou osou obsahuje následující funkce a workflow: 1. Výběr dokumentů: Výběr relevantních článků na základě značek. 2. Extrakce událostí: Události jsou reprezentovány jako krátké texty popisující atomické fakty včetně kontextu (jména osob, organizací, lokalit, časová určení). 3. Časová platnost: Události jsou řazeny na časovou osu podle data jejich platnosti. 4. Role aktérů: Identifikace osob, jejich rolí a případně dalších atributů (organizace, místa). 5. Deduplikace: Spojení a eliminace duplicitních událostí a informací. 6. Clustering: Sémantické shlukování událostí pro snadnější orientaci. 7. Vizualizace: Vytvoření interaktivní HTML stránky umožňující prohlížení časové osy. Použité technologie: Výpočetní modul: Velké jazykové modely (CohereAI Command R+, Llama) pro extrakci událostí, deduplikaci pomocí vektorových reprezentací (embeddingů) a heuristik. Vizualizační modul: Interaktivní vizualizace pomocí TypeScriptu, Reactu a knihoven jako Ant Design a Bootstrap. Infrastruktura: Python s využitím knihoven Hugging Face Transformers a vLLM.

Ekonomické parametry

Licenci je možno udělit jako bezúplatnou pro nekomerční účely. V případě udělení licence pro komerční využití, byl stanoven odhad ceny poskytnuté licence jako licence za časově omezený přístup, a to za poplatek 8 000,- Kč na měsíc, nebo 60 000,- Kč za rok. Cena vychází z nákladů na realizaci, plus přiměřená marže a návratnost.

Kategorie aplik. výsledku dle nákladů

—

IČO vlastníka výsledku

68407700

Název vlastníka

České vysoké učení technické v Praze

Stát vlastníka

CZ - Česká republika

Druh možnosti využití

V - Výsledek je využíván vlastníkem

Požadavek na licenční poplatek

Z - Poskytovatel licence na výsledek nepožaduje v některých případech licenční poplatek

Adresa www stránky s výsledkem

—