RU

Библиография тоже умеет галлюцинировать: что изменилось после защиты диплома

После защиты диплома я доработала систему проверки библиографических источников: добавила OCR, кэширование, offline-режим, классификацию ошибок, вне…

библиографияпроверка источниковмашинное обучениеNLPOCRPDFDOICrossrefOpenAlexнаучные публикации
Habr
RU

Библиография тоже умеет галлюцинировать: что изменилось после защиты диплома

После защиты диплома я доработала систему проверки библиографических источников: добавила OCR, кэширование, offline-режим, классификацию ошибок, вне…

библиографияпроверка источниковмашинное обучениеNLPOCRPDFDOICrossrefOpenAlexнаучные публикации
Habr
RU

ContentCombine: как я сделал мультинишевый контент-комбайн и запустил ежедневный SEO-дайджест

Я сделал ContentCombine — мультинишевый контент-комбайн, который собирает материалы из RSS, Telegram, сайтов и других источников, нормализует их, сч…

ContentCombineконтент-комбайнагрегатор новостейData EngineeringNLPискусственный интеллектLLMPythonSEOавтоматизация контента
Habr
RU

Основы парсинга сайтов: от HTML до готового датасета для NLP

Даже сильная NLP‑модель быстро упирается в банальную проблему: ей нужны данные, причём не абстрактные «готовые датасеты», а текс…

парсинг сайтовPythonHTMLBeautifulSouprequestsPlaywrightNLPдатасеточистка данныхязыковые модели