Monitor de Medios de la Guerra de Irán

Lea el Análisis Completo

Introducción

Este proyecto monitorea la cobertura mediática de la guerra entre Irán, Israel y Estados Unidos.

Puede usar este repositorio para:

1. Crear un corpus de artículos mediáticos en inglés
2. Identificar autores y medios de comunicación para rastrear quién dice qué y cuándo
3. Analizar el sentimiento de los artículos para identificar si un artículo apoya la guerra, es factual y neutral, o se opone a la guerra.

Metodología

Puede leer el análisis técnico completo aquí. En resumen, Iran Media Monitor ejecuta dos flujos de trabajo.

El primer flujo ejecuta el scraper que recopila metadatos y artículos de noticias de fuentes RSS. La fuente está configurada a Google RSS, pero puede cambiarla en rss.py.

El segundo flujo realiza análisis de sentimiento en los artículos recopilados y los actualiza o inserta.

El proyecto usa MongoDB para almacenar artículos. Use Docker para crear una instancia de MongoDB.

Datos

Se recopilan los siguientes datos:

        {
                "collectionDate": str(datetime.now(timezone.utc).strftime("%Y-%m-%d %H:%M:%S")),
                "processed": False,
                "title": article.title,
                "author": article.authors,
                "publishedAt": str(article.publish_date),
                "publisher": publisher, 
                "language": article.meta_lang,
                "sourceUrl":article.source_url,
                "summary":article.summary,
                "keywords": article.keywords,
                "description": article.meta_description,
                "bodyText":article.text,
                }

Los scripts:

Ejecute rss.py para obtener una lista de los artículos más recientes desde la fuente RSS.

Ejecute scraper.py para obtener URLs desde Google RSS y extraer los artículos.

Use sentiment.py para realizar análisis de sentimiento en artículos no procesados. El campo process se establece en True cuando un documento ha recibido una puntuación de sentimiento.

Mejoras futuras

1. Agregar la capacidad de extraer más fuentes RSS
2. Modelo personalizado para identificar la relevancia de los artículos de noticias con fines de filtrado
3. Modelo personalizado para predecir mejor la tonalidad de los artículos (a favor, en contra, factual)
4. Extraer entidades y relaciones y quién hizo qué, cuándo, dónde y a quién.
5. Análisis de inteligencia artificial generativa de los artículos (tanto por separado como del corpus completo).