threadr

Descripción

Cree una herramienta de gráfico social OpenSource que identifique las relaciones entre los actores, particularmente los actores de amenaza, la creación de gráficos y grupos. Identifique la fuerza de las relaciones actor a actor o actor a clúster.

Proyecto de objetivos

• Identificar actores observando las redes sociales, las salas de chat, etc.
• Encontrar y almacenar relaciones entre actores
• Asignar pesos a las relaciones
• Identificar grupos de actores
• Asignar pesos a los grupos
• Adoptar IRC, Slack, Discord, etc.
• Creación automática de expedientes
• Consulta llm/trapo

Comunidad

Únase a nosotros en nuestro https://discord.gg/ynzmajvb

Incrustaciones

Los mensajes de chat se ejecutarán a través de un transformador de incrustación o oración para crear vectorizaciones y se guardarán en un índice de vectores.

Gráfico

Los LLM basados ​​en gráficos de conocimiento (Graph-Rag) se utilizarán para responder preguntas como "¿Alice conoce a Bob?"

y "¿Qué sabe Alice sobre Bob?"

Inferir relaciones

Inferir las fortalezas de la relación

Al igual que el Proyecto Jibble, utilizaremos bots IRC para monitorear las salas de chat e inferir relaciones entre los actores. Usaremos los siguientes métodos para inferir relaciones:

• Dirección directa (por ejemplo, "Hola @carverauto, ¿qué piensas?")
• Proximidad temporal (por ejemplo, "Estoy de acuerdo con el punto de @Carverauto")
• Densidad temporal: ¿con qué frecuencia interactúan dos actores?

Inferencia semántica usando un LLM

Los LLM pueden mejorar significativamente el proceso de inferencia al comprender el contexto, el sentimiento y las sutilezas de la conversación humana más allá de las capacidades de los sistemas tradicionales basados ​​en reglas.

Resumen programado: periódicamente, el sistema puede invocar una LLM para resumir conversaciones recientes. Esto no solo ayuda a comprender el discurso general, sino que también puede resaltar temas o temas recurrentes en torno a los cuales pueden formarse relaciones.

Colección basada en desencadenantes: implementar disparadores basados ​​en señales de conversación, como pausas en el diálogo o los cambios en los temas, para capturar y analizar instantáneas de conversaciones. Este método asegura que el análisis sea contextualmente relevante y oportuno.

Análisis basado en intervalos: similar a las ventanas, esto implica examinar las conversaciones dentro de los intervalos establecidos para inferir relaciones y resumir el contenido. Este enfoque se puede ajustar dinámicamente en función del volumen de conversación o eventos específicos dentro de la sala de chat.

Selección de líder

Analice la conversación para encontrar líderes de conversación o el líder percibido, para muchos contextos diferentes (chat primario o dentro de un clúster)

Desafíos

• Nick cambia: ¿cómo rastreamos a un usuario que cambia su Nick? ¿Base de datos de estilo BBB?
• Dissociación del actor

• ¿Cómo manejamos a los actores que no están en la misma habitación?
• ¿Cómo manejamos a los actores que están en la misma habitación pero nunca interactúan?
• ¿Cómo manejamos a los actores que están en la misma habitación pero nunca interactúan de una manera que podamos inferir una relación?

• Mensajes privados: incapaz de inferir relaciones de mensajes privados sin acceso a los mensajes, podría ser una característica futura.

Visualizar las relaciones

• Informador de primavera: un algoritmo de diseño de gráfico dirigido por la fuerza
• Modelo de fuerza de embedido de resorte modificado: un algoritmo de diseño de gráfico dirigido por la fuerza con un embedido de resorte modificado

Descomposición temporal

Si somos capaces de inferir la fuerza de las relaciones, podemos usar un modelo de descomposición temporal para reducir la fuerza de las relaciones con el tiempo.

Filtrado de spam

TBD