Mit gyűjtünk?

Jelenleg kilenc forrás (telex.hu, index.hu, hvg.hu, magyarnemzet.hu, 444.hu, origo.hu, 24.hu, blikk.hu, portfolio.hu) teljes napi cikktermését - RSS és news sitemap alapján, nem a címlapról (hogy a teljes termést lássuk, ne csak a kiemelt cikkeket). Minden cikkről: cím, teljes törzsszöveg, kimenő linkek, metaadat (szerző, rovat, megjelenés, szerkesztés), fizetőfal-állapot, és a címlapi pozíció időbeli alakulása.

Honnan az adat ezen az oldalon?

Az oldal nem élő lekérdezés: a saját adatbázisunkból előre legenerált pillanatképeket mutat. A fejlécben a „frissítve" mindig azt jelzi, mikori az éppen látott adat. A frissülés üteme nézetenként más:

• Kimutatások, Keresés és Katalógus, Hírterjedés-ábrák - óránként újragenerált pillanatkép.
• A Hírterjedés kapcsolat- és klaszter-alapja - naponta épül újra (éjjel); az óránkénti pillanatkép ezt tölti be.
• Napi AI-összefoglaló - naponta egyszer, reggel, a tegnapi napra.
• Napi helyszínek és szereplők, Napi hangnem és érzelmek, Napi témák és kiemelt hírek - naponta egyszer, hajnalban (a helyi modellek és a klaszter-építés lefutása után).
• Sajtó-témacsoportok - naponta egyszer, a tegnapi napra.

A gyűjtés maga folyamatos a háttérben: az RSS/sitemap-figyelés 1-2 óránként, a címlap-mintavétel kb. félóránként fut. A legtöbb nézet a felső szűrőgombokkal (Összes / politikai kategória / lap) átváltható.

Elemzések

Napi AI-összefoglaló

Egy mesterséges intelligencia (Claude) által írt elemzés a kiválasztott nap híreiről, hatókörönként (lap / kategória / összes) külön. A naptárból választható a nap; a kész elemzések tárolva vannak, nem generálódnak újra minden megnyitáskor.

Adat-alapú, nem kitalált. Az elemzés a nap tényleges cikkeinek szövegéből dolgozik (nem előzetes összefoglalókból); a cél a hallucináció-mentesség: amit ír, annak a napi cikkanyagban van fedezete. Ez AI-generált értelmezés - a mögötte lévő nyers adat a többi nézetben ellenőrizhető. (Nagy napokon, ahol az összes forrás teljes szövege túl hosszú lenne, az adott kör a cikkek címéből és bevezetőjéből dolgozik - ezt a rendszer jelzi magának; a lap- és kategória-körök a teljes szöveget kapják.)

Adatok és összefoglalók

Áttekintő adatok

Kimutatások

Fülekre bontva; mind a felső szűrőre (Összes / kategória / lap) reagál. Legfelül néhány gyors kártya (összes cikk, mai/heti cikkszám, aktív források), alatta a fülek:

• Összefoglaló - leíró statisztikák egy táblában: napi cikkszám, szószám/cikk, fizetőfal-arány, vezetőcikk- és címlap-idő, rovat/tag/szerző-mutatók, kimenő linkek. Ahol értelmezhető, átlag ± szórás és medián is szerepel.
• Cikkszám - napi/heti darabszám, forrásonként osztott (stacked) oszlopdiagram.
• Vezetőcikk és címlap - hányszor váltott a címlap vezető híre naponta/hetente, és mennyi ideig van egy cikk vezető helyen, illetve a címlapon.
• Szerzők - a legtöbbet publikáló személyek, és külön kimutatás arról, hány cikkhez rendelhető ember szerző (szemben az újság-/ügynökség-aláírással vagy a hiányzó szerzővel).
• Rovatok - a leggyakoribb rovatok rangsora és időbeli eloszlása.
• Tag-felhő - a leggyakoribb címkék; a betűméret a gyakorisággal arányos.
• Média - minden cikket a médiája alapján öt osztályba sorolunk (csak kép / kép+videó / csak videó / social-poszt / nincs média); gyűrűdiagram, laponkénti bontás és átlagos médiaelem/cikk. A social-poszt a social-médiából beágyazott tartalom (X/Twitter, Instagram, TikTok, Facebook-poszt), a videó a közvetlen videó (YouTube, Facebook-videó, IndaPlay, Vimeo). Külön „Átvett platformok" bontás mutatja, melyik lap honnan (melyik platformról) veszi át a beágyazott médiát, médiaelem-darabszám szerint.

Hogyan olvasd a számokat? A ± szórás azt mutatja, mennyire szóródnak az egyedi értékek az átlag körül (a terjedelmet, nem az átlag hibáját). A medián a középső érték, amit a kiugró esetek kevésbé húznak el - ha az átlag és a medián erősen eltér, az eloszlás ferde. Az arányok (%) mindig az éppen szűrt halmazra vonatkoznak.

Hírterjedés

Gráf-alapú nézet arról, hogyan terjed egy hír a lapok között, és mely cikkek kapcsolódnak tartalmilag. Felül összefoglaló kártyák: a klaszterek (hírsztorik) száma, a klaszterezett cikkek aránya, az egy cikkre jutó kimenő linkek és a belső (ugyanarra a lapra mutató) link-arány. Alattuk három ábra:

• Lap-áramlás - ki vesz át kitől: a lapok közötti portálközi átvétel és hivatkozás (a cikkek törzséből feloldva). Három nézet közt válthatsz: Háló (körábra irányított élekkel, küszöb-csúszkával a gyenge élek elrejtésére), Mátrix (hőtérkép: sor = átvevő, oszlop = forrás, a cella sötétsége + száma az erősség — minden lap-pár egyszerre, súlyozva), és Rangsor (a legerősebb lap→lap párok sorba rendezve). Mindhárom nézethez közös a Mérték kapcsoló: Nyers a puszta darabszám (átvétel + hivatkozás) — ezt a lapok mérete és gyűjtési múltja torzítja (egy régen bekötött, nagy forgalmú lap több cikkel, így több kapcsolattal is szerepel, mint egy friss). A két normalizált mód ezt oldja fel, hogy a mintázat látsszon, ne a volumen: Honnan % — átvevőnként 100%-ra osztva („ebből a lapból a megszerzett anyag hány %-a érkezett X-től”, azaz melyik forrásból mennyit merít), Hová % — forrásonként 100%-ra osztva („ettől a laptól átvett anyag hány %-át vitte tovább Y”, azaz kihez áramlik a lap tartalma). A nyers darabszám normalizált módban is ott a tooltipben; a kevés megfigyelésen alapuló (alacsony mintájú) lapok halványan, a Rangsorban hátrébb sorolva jelennek meg, hogy egy „1-ből 1 = 100%” félrevezető csúcsként ne üljön a lista tetejére.
• Sztori-böngésző - egy kiválasztott hírsztori cikkei időrendben, lapok szerinti sávokban (ki mikor szólt hozzá a témához). Két nézet között válthatsz: a Terjedés a hír vándorlásának „gerincét" mutatja - cikkenként egyetlen, előre mutató nyíl arra a korábbi cikkre, ahonnan a hír hozzá eljutott (a legerősebb átvétel; a gyengébb, hasonlóság-alapú „valószínű forrás" a legenddel bekapcsolható) -, a Teljes háló pedig mindhárom kapcsolat-típust egyszerre. A legendben az él-típusok ki/be kapcsolhatók; a szaggatott vonal a hasonlóság. A Pöttyök színe kapcsolóval a cikkeket nemcsak lap szerint, hanem a szemantikai töltetük szerint is színezheted: hangnem (negatív / semleges / pozitív) vagy érzelem (düh, félelem, undor, szomorúság, öröm, egyik sem) - ugyanaz az osztályozás és paletta, mint a „Napi hangnem és érzelmek" nézetben. A szín-kulcsra kattintva egy-egy kategória (pl. csak a negatív cikkek) ki/be szűrhető; az osztályozatlan cikk üreges pötty („nincs adat").
• Sztori-térkép - minden buborék egy hírsztori (tartalmilag összekapcsolódó cikkek klasztere); a méret a cikkszám, a szín az eredet-lap.

A kapcsolatoknak három típusa van: hivatkozás (az egyik cikk törzsében explicit link mutat a másikra, a törzsből feloldva), átvétel (a két cikk tartalmilag átfed és időben egymás után jelent meg - a hír átvándorlása egyik laptól a másikhoz), és tartalmi hasonlóság (a szövegek TF-IDF koszinusz-hasonlósága egy közös küszöb felett). A klaszter (hírsztori) a hasonlóság-élekkel összefüggő cikkcsoport, legfeljebb ~7 napos időablakra korlátozva; a kapcsolat- és klaszter-réteg éjjelente épül újra.

Tematikus összefoglalók

Napi helyszínek és szereplők

A nap cikkeiből helyi (a saját szerveren futó) magyar nyelvi modellel kinyert nevek gyakorisága: országok, települések, intézmények/szervezetek, személyek. Al-fülenként rangsor, az országokhoz világtérkép, a településekhez Magyarország-térkép (buborékok, a méret az említésszám). Oldalra/lapra szűrhető, naponta frissül.

• A ragozott alakokat összevonjuk (pl. „Orbán Viktorral" → „Orbán Viktor", „Budapesten" → „Budapest"); a megjelenített alak a ragozatlan, szótári forma.
• Az országokat és a településeket névlista (gazetteer) alapján soroljuk be; az intézmények közül kiszűrjük a konkrét országokat, a településneveket és a médium-/ügynökség-neveket.
• Ez gépi kinyerés - a darabszámok egzaktak a kinyert nevekre, de ritka névelírás vagy téves besorolás előfordulhat.

Napi hangnem és érzelmek

A nap minden cikkét két helyi (a saját szerveren futó) magyar nyelvi modell osztályozza: az egyik a hangnemet (negatív / semleges / pozitív), a másik a domináns érzelmet (düh, félelem, undor, szomorúság, öröm, vagy „egyik sem"). Oldalra/lapra szűrhető, naponta frissül. A nézet két részből áll:

• Egy nap - a naptárból választott nap megoszlása: a hangnem egy kétpólusú (diverging) sáv (negatív ↔ semleges ↔ pozitív), az érzelmek egy vízszintes megoszlás. A sávokra húzva a pontos darabszám és arány látszik.
• Időbeli alakulás - a hangnem és az érzelmek napi megoszlásának trendje a teljes időszakra, két simított terület-diagramon (minden nap 100%-ra normálva). Az időszak a dátum-mezőkkel szűkíthető, és egy rétegre (pl. „negatív" vagy „düh") kattintva az kiemelődik (a többi elhalványul); a diagramra húzva a napi értékek látszanak.

• A modell a cikk címéből és törzse elejéből dolgozik; a besorolás a felszíni szövegen alapul (az iróniát, idézést nem mindig ismeri fel).
• Ez gépi osztályozás - egyes cikkeknél tévedhet, de a napi, sok cikkből összeálló összkép megbízható (a hibák kioltják egymást).
• Az „egyik sem" nem hiba, hanem külön kategória: a cikknek nincs egyetlen erős, domináns érzelme (jellemzően tárgyilagos, tényközlő hír).

Napi témák és kiemelt hírek

Egy adott nap hírsztorijai (témái) és kiemelt cikkei, balra a naptárral, a felső szűrőre (Összes / kategória / lap) reagálva. A „téma" itt a klaszter: tartalmilag összekapcsolódó cikkek csoportja (legalább két hasonló cikk) — ugyanaz a réteg, amit a Hírterjedés is használ. Négy rész:

• Vezető témák - a nap aktív hírsztorijai, aszerint rangsorolva, hány lap fedte le (a portálközi jelenlét az erősebb jel, nem az, ha egy lap sokat ír). Soronként a téma-cím (a hírsztori legkorábbi cikkének címe), a lefedő lapok, az aznapi és az összes cikkszám. Kattints egy témára, hogy kinyíljanak az aznapi tagcikkei (kattintható linkek).
• Új ma vs. továbbfutó - a Vezető témák a kapcsolóval szűkíthetők: új ma = a hírsztori aznap kezdődött; továbbfutó = korábban indult, de aznap is futott (a jelölés a kezdő-dátumot is mutatja). A kezdet a klaszter első cikkéből jön, egzaktul.
• Kiemelt hírek - két külön lista: Vezető cikkek (a címlap fő, kiemelt helye) és Címlapi cikkek (a címlapon szereplő, nem vezető cikkek). A „+N további" gombbal a teljes lista kinyitható.
• Taggyakoriság - a nap leggyakoribb címkéi rangsorolva, sávdiagrammal. A címkék kisbetűsítve, a variánsok összevonva, a töredékek kiszűrve (a Kimutatások tag-felhőjével azonos módon).

A témák a klaszter-rétegre épülnek, amely éjszakánként frissül; ezért egy adott nap témái a következő nap reggelére állnak össze. A mai napnál addig a „mikor lesz kész" üzenet látszik, de a mai kiemelt hírek és taggyakoriság már aznap elérhető. A ~7 napos klaszter-ablak miatt a „vezető / új / továbbfutó" a friss napokra a legpontosabb; a gyűjtés-kezdet körüli legkorábbi napoknál kevesebb csoportosított téma lehet.

Sajtó-témacsoportok (tagek)

Minden cikkhez a szerkesztőségek tageket (címkéket) rendelnek - ugyanazokat, amiket a Kimutatások nézet Tag-felhője is listáz. Ez a nézet azt mutatja, mely tagek járnak gyakran együtt ugyanabban a cikkben, és ezekből képez értelmezhető csoportokat. A módszer: a tagek közötti együtt-előfordulásból egy súlyozott hálózat épül (az él-súly Jaccard, hogy a mindennel együtt járó gyakori tagek ne olvasszanak össze mindent), majd egy közösség-kereső algoritmus (Louvain, modularitás-alapú) elkülöníti a csomópontokat. Egy kártya egy ilyen csoport - egy témacsomópont (pl. belpolitika, orosz-ukrán háború); rajta a csoport tagjei a gyakoriságukkal (hány cikkben fordultak elő).

A sajtó tematikus szerkezete, nem a társadalmi diskurzus. Mivel a tageket a szerkesztőségek adják, a csoportok a lapok címkézési szerkezetét tükrözik, nem közvetlenül azt, amiről a társadalom beszél. Két időablak választható: heti (7 nap, friss) és havi (30 nap, átfogóbb); a forrás-szűrővel az Összes, egy kategória vagy egy lap címkéire szűkíthető. A csoportok naponta frissülnek (minden naphoz saját pillanatkép), és a korpusz bővülésével mozognak - ez szándékos: ahogy a sajtó témái változnak, a csoportok is követik. (A csoportok nem rögzített kategóriák, és a színük sem hordoz jelentést, csak elválaszt. Kis lapnál vagy rövid ablaknál kevesebb csoport adódik.)

Katalógus

Keresés és Katalógus

A gyűjtött cikkek böngészhető, kereshető listája - dátumra, időintervallumra, politikai oldalra, több lapra, rovatra és szerzőre szűrve, valamint kulcsszóval (a keresés a cím + bevezető + tag + szerző fölött fut, ékezet-érzéketlenül). Külön szűrhető a címlapi és a vezetőcikkekre. A találaton látszik a forrás, az idő, a rovat, a szerző, a tagek és a fizetőfal-jelző.

A törzsszöveg itt sem kerül ki - a katalógus a metaadatot és a lap saját bevezetőjét mutatja; a teljes cikk az eredeti oldalon olvasható (a cím kattintható link).

Pontosság és korlátok

• A napi/heti cikkszám a cikk megjelenési dátuma (published_at) szerint; a megjelenési idő nélküli cikkek kimaradnak a napi/heti bontásból (de az „Összes cikk"-be beleszámítanak).
• Nincs visszamenőleges gyűjtés - a bekapcsolás napjától előre gyűjtünk. Az első öt forrás (telex, index, hvg, magyarnemzet, 444) adata 2026. augusztus 10-től teljeskörű; a később bekötött négy lap (origo, 24.hu, blikk, portfolio) a saját bekötése napjától szerepel - így a legkorábbi napokon kevesebb forrás látszik (a részleges korábbi napok kimaradnak).
• A címlapi jelenlét 30 perces mintavétellel mért; a rövid ideig kint lévő cikkek kimaradhatnak, az átlagos kint-idő ezért alsó becslés.
• A szerzőknél elkülönítjük az ember szerzőt az újság-/ügynökség- aláírástól (pl. HVG, MTI) és a hiányzó szerzőtől; a kombinált aláírásokat (pl. „HVG; MTI") névszinten bontjuk. Ritka téves besorolás így is előfordulhat.
• A tageket kisbetűsítjük és a rövid töredékeket kiszűrjük; a rovat az indexnél hiányzik (mért tény).
• A fizetőfal mögötti tartalmat sosem kerüljük meg; ami csonka, azt jelöljük, nem hagyjuk ki. A klaszterek a tartalmilag összekapcsolódó cikkek csoportjai (a Hírterjedés fülön).

Kategóriák

A politikai besorolás időben verziózott, saját kódolás. A skála háromfokú: független / jobboldali / szélsőjobboldali; a baloldali lapok a „független" címkét kapják. A bulvárlapok (műfaj szerint) külön „Bulvár" kategóriába kerülnek — egy bulvárlapnak nincs értelmes bal/jobb besorolása. Ugyanígy a gazdasági lapok (műfaj szerint) a „Gazdasági" kategóriába kerülnek. Hogy a ténylegesen gyűjtött forrásoknál mely kategóriák fordulnak elő, azt a szűrősáv kategória-gombjai mutatják (új besorolású forrás bekötésekor az új kategória magától megjelenik).

Etika

Azonosítható, átlátható gyűjtés - valódi User-Agenttel és kapcsolati címmel, a robots.txt betartásával, udvarias terheléssel. Nem tanítunk modellt, nem kerülünk meg fizetőfalat. A gyűjtés leállítása bármikor kérhető (e-mail vagy robots.txt).