چکیده: با گسترش شبکه‌های اجتماعی، سکوهایی مانند توییتر به بستری مهم برای شکل‌گیری و گسترش جریان‌های خبری تبدیل شده‌اند. این جریان‌ها که حول موضوعات یا هشتگ‌ها شکل می‌گیرند، مجموعه‌ای از تعاملات پیوسته هستند که در بازه‌های زمانی متوالی توجه کاربران را به خود جلب می‌کنند. هدایت این جریان‌ها علاوه بر افزایش آگاهی عمومی، در حوزه‌هایی مانند تبلیغات دیجیتال، مدیریت بحران و جهت‌دهی افکار عمومی نیز اهمیت دارد. با وجود مطالعات متعدد در زمینه جریان‌های خبری و سیستم‌های توصیه‌گر، تاکنون چارچوبی یکپارچه که به‌طور هم‌زمان توصیه کاربران هدف و تولید محتوای هدفمند را برای ایجاد جریان خبری ترکیب کند ارائه نشده است. در این پژوهش، چارچوبی برای ایجاد جریان‌های خبری در توییتر ارائه می‌شود که مبتنی بر ترکیب یک سیستم توصیه‌گر ترکیبی و مدل‌های زبانی بزرگ است. در این چارچوب، با بهره‌گیری از فیلترینگ مشارکتی و فیلترینگ مبتنی بر محتوا، محتوای مرتبط پیشنهاد شده و کاربران هدف شناسایی می‌شوند. همچنین با تحلیل بازخوردهای رفتاری کاربران و ارزیابی ارتباط معنایی محتوا، امکان تولید پیام‌های هم‌راستا با موضوع فراهم می‌گردد. چارچوب پیشنهادی در مرحله نخست از هم‌افزایی حساب‌های کاربری کنترل‌شده توسط بات در یک شبکه کنترل‌شده برای ایجاد توجه اولیه پیرامون موضوع جریان استفاده می‌کند. سپس با گسترش تعاملات و مشارکت کاربران واقعی، دامنه انتشار محتوا افزایش یافته و جریان خبری به‌تدریج توسعه می‌یابد. برای ارزیابی، دو شاخص تکرار هشتگ و سطح مشارکت کاربران در نظر گرفته شد و عملکرد روش پیشنهادی با یک روش پایه مقایسه گردید. نتایج نشان داد مجموع کنش‌های حساب‌های بات‌محور از ۷۱۱۲ در روش پایه به ۱۵۰۷۴ افزایش یافته است. همچنین مشارکت کاربران واقعی از ۲۲۱۴ پست و ۲۰۸۸ کاربر به ۱۳۴۶۶۵ پست و ۱۳۴۹۰ کاربر رسید. افزون بر این، هشتگ ایجادشده با بیش از ۱۳۴ هزار پست در میان ۲۰ موضوع داغ توییتر قرار گرفت. این نتایج نشان می‌دهد ترکیب سیستم توصیه‌گر و مدل زبانی بزرگ می‌تواند به‌طور مؤثری به افزایش تعامل کاربران و شکل‌گیری جریان‌های خبری در شبکه‌های اجتماعی کمک کند.