Open Source
Все мои каналы: https://t.me/black_triangle_tg/7888 @ustugovva - менеджер по рекламе Канал на бирже: https://telega.in/c/open_source_friend/ РКН: https://www.gosuslugi.ru/snet/676ffbcc506f96772884abea
Show more📈 Analytical overview of Telegram channel Open Source
Channel Open Source (@open_source_friend) in the Russian language segment is an active participant. Currently, the community unites 51 644 subscribers, ranking 2 574 in the Technologies & Applications category and 12 029 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 51 644 subscribers.
According to the latest data from 09 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 235 over the last 30 days and by 6 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 18.09%. Within the first 24 hours after publication, content typically collects 10.04% reactions from the total number of subscribers.
- Post reach: On average, each post receives 9 342 views. Within the first day, a publication typically gains 5 183 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 34.
- Thematic interests: Content is focused on key topics such as gear, soft, интерфейс, браузер, typescript.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Все мои каналы:
https://t.me/black_triangle_tg/7888
@ustugovva - менеджер по рекламе
Канал на бирже: https://telega.in/c/open_source_friend/
РКН: https://www.gosuslugi.ru/snet/676ffbcc506f96772884abea”
Thanks to the high frequency of updates (latest data received on 10 July, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
retrieval-based архитектура: ответ на заданный вопрос ищется в базе знаний с помощью набора NLP моделей.
▫️rule-based подход: чатбот может генерировать реплики и управлять диалогом помощью описанный вручную правил, сценариев и веб-форм
База знаний чатбота состоит из двух больших частей - базы фактов и FAQ. В базе фактов ищется факт, на основе которого можно сформулировать ответ, даже если текст ответа в явном виде не содержится в факте. В FAQ ищутся готовые ответы на типовые вопросы, при этом текст ответа выдается собеседнику без изменений. Поиск информации в базе фактов осуществляется моделью релевантности предпосылки и вопроса. Подбор подходящей записи в FAQ выполняется помощью детектора синонимичности. Обе эти модели обучаются на больших датасетах.
Правила и вербальные формы описываются вручную, но также опираются на несколько NLP моделей. Модель синонимичности и классификатор интента позволяют выбирать подходящее правило. Named Entity Recognition модуль извлекает из реплики человека необходимую ключеую информацию.
По умолчанию бот отвечает пассивно, не пытаясь задавать уточняющие вопросы и т.д. Процедурные средства (правила, сценарии, веб-формы) могут сделать бота более проактивным, он будет задавать свои вопросы собеседнику, активно пополняя свою базу знаний.
https://github.com/Koziev/chatbot
=============
Если нашел интересный софт, поделись с сообществом: @FOSS_triangle_bot