Како работи Битно

1. Собирање

На секои неколку минути ги проверуваме RSS каналите на медиумите, со условни барања (ETag / Last-Modified), ограничување по домен и почитување на robots.txt и Crawl-delay. Зачувуваме наслов, извадок до 400 знаци, линк, автор и време на објава како што ги дал издавачот.

2. Време на објава

Прикажуваме „објавено“ само кога издавачот дал време. Ако нема, пишуваме „откриено“ — времето кога ние првпат го виделе извештајот. Старите вести што повторно се појавуваат во канал се означуваат со ниска доверба на времето.

3. Групирање во настани

Прво препознаваме препишани текстови (агенциски вести пренесени на повеќе сајтови) — тие се бројат како една информација, не како десет потврди. Потоа споредуваме нормализирани зборови (кирилица и латиница се третираат еднакво), имиња, места и бројки, во временски прозорец. Ако сличноста е доволна, извештајот се придружува на постоечки настан; ако не, станува нов настан. Секоја одлука е запишана и уредниците можат да ја поправат (спојување/разделување), при што резимеата и рангирањето се пресметуваат одново.

4. Рангирање „Најважно“

Формулата е јавна: свежина (полуживот 6 часа) + ширина на известување (број на различни медиуми, препишаните текстови вредат малку) + нови извештаи во последните 3 часа + ажурирања + локална релевантност + корекција по категорија − казна кога еден медиум доминира. Тежините се верзионирани; верзијата е прикажана во објаснувањето на секоја вест.

5. Преглед на настанот

Прегледот е екстрактивен: прва реченица од извадоците на различни медиуми, секоја со линк до изворот. Ако нема извадоци од барем два медиума, пишуваме „Нема доволно информации за резиме“. Генеративни (AI) резимеа се исклучени додека не се обезбеди политика за содржина и буџет; и тогаш секоја реченица ќе мора да биде поткрепена со цитат.

6. Пребарување

Пребарувањето работи и со кирилица и со латиница („Скопје“ = „skopje“, „Ѓорче“ = „gjorce“). Користиме PostgreSQL полнотекстуално пребарување без стандардно македонско коренување, па формите на зборовите се покриваат со префиксно совпаѓање и толеранција на печатни грешки. Ограничувањата се документирани во проектот.

7. Што мериме

Кликови кон издавачите (без IP адреси и без идентификатори), време од објава до прикажување, здравје на изворите. Извештаите за упатен сообраќај се достапни за издавачите на барање.