大家好，我目前正在开发一项开源自然语言处理（NLP）算法，以减轻金融媒体中的信息噪声。主要目标是清理RSS和新闻源中的普遍点击骗、猜测性冲击内容和不相关的地缘政治噪声（如非市场动向的战争话题）。该系统通过解析incoming 文本、评估冲击/点击骗概率通过自定义情感词典、并将输出结构化为干净的JSON格式。另外，它还跟踪用户交互指标，动态调整和个性化feed基于活跃市场兴趣。 我正在部署alpha版本，并寻求技术反馈关于延迟优化和假阳性最小化之前将管道与算法交易架构集成。GitHub仓库链接在下面的评论中提供。 我将非常感谢您对方法论的见解。