CURADORIA E AGREGAÇÃO AUTOMATIZADA DE NOTÍCIAS TÉCNICAS EM PORTUGUÊS POR MEIO DE UM PIPELINE ETL ENRIQUECIDO POR LLM LOCAL
Resumo
O crescimento de publicações técnicas em inglês impõe aos profissionais brasileiros dois obstáculos: a infodemia e a barreira linguística. Este trabalho apresenta o ETAL (Extract, Transform, AI-Enrich, Load), arquitetura ETL em quatro camadas para coleta, filtragem e enriquecimento semântico de notícias tecnológicas. O pipeline combina filtragem heurística pré-inferência com enriquecimento pelo modelo Qwen 2.5 7B executado localmente (Ollama), responsável por tradução técnica com preservação terminológica, sumarização e categorização temática. Os resultados indicam consistência semântica de 68,85%, fidelidade terminológica de 87,2% e yield rate de 38%, para 150 artigos retidos. Os filtros heurísticos descartaram 28% do volume coletado, reduzindo a carga de inferência local, sem custo de API e sem envio de dados a terceiros.
Palavras-chave: Pipeline ETL, LLM local, curadoria de notícias, tradução técnica, enriquecimento semântico
Ler trabalho completo (PDF)