threadr

Keterangan

Buat alat grafik sosial OpenSource yang mengidentifikasi hubungan antara aktor, khususnya aktor ancaman, membuat grafik dan kelompok. Identifikasi kekuatan hubungan aktor-ke-aktor atau aktor-ke-cluster.

Tujuan proyek

• Identifikasi aktor dengan mengamati media sosial, ruang obrolan, dll.
• Temukan dan Simpan Hubungan Antara Aktor
• Tetapkan bobot untuk hubungan
• Identifikasi kelompok aktor
• Tetapkan bobot untuk kelompok
• Adopsi IRC, Slack, Perselisihan, dll.
• Kreasi Dokong Otomatis
• Kueri llm/rag

Masyarakat

Bergabunglah dengan kami di https://discord.gg/ynzmajvb kami

Embeddings

Pesan obrolan akan dijalankan melalui embedder atau transformator kalimat untuk membuat vektorisasi dan akan disimpan dalam indeks vektor.

Grafik-rag

LLMS yang didasarkan pada grafik pengetahuan (grafik-rag) akan digunakan untuk menjawab pertanyaan seperti "Apakah Alice mengenal Bob?"

dan "Apa yang diketahui Alice tentang Bob?"

Menyimpulkan hubungan

Menyimpulkan kekuatan hubungan

Seperti proyek Jibble, kami akan menggunakan bot IRC untuk memantau ruang obrolan dan menyimpulkan hubungan antar aktor. Kami akan menggunakan metode berikut untuk menyimpulkan hubungan:

• Pengalamatan langsung (misalnya "hey @carverauto, bagaimana menurutmu?")
• Kedekatan temporal (misalnya "Saya setuju dengan poin @carverauto")
• Kepadatan temporal - Seberapa sering dua aktor berinteraksi?

Inferensi semantik menggunakan LLM

LLMS dapat secara signifikan meningkatkan proses inferensi dengan memahami konteks, sentimen, dan seluk-beluk percakapan manusia di luar kemampuan sistem berbasis aturan tradisional.

Ringkasan Terjadwal: Secara berkala, sistem dapat memohon LLM untuk merangkum percakapan terbaru. Ini tidak hanya membantu dalam memahami wacana umum tetapi juga dapat menyoroti tema atau subjek berulang di mana hubungan dapat terbentuk.

Koleksi Berbasis Pemicu: Menerapkan pemicu berdasarkan isyarat percakapan, seperti jeda dalam dialog atau pergeseran topik, untuk menangkap dan menganalisis snapshot percakapan. Metode ini memastikan bahwa analisis ini relevan secara kontekstual dan tepat waktu.

Analisis berbasis interval: Mirip dengan windowing, ini melibatkan memeriksa percakapan dalam interval yang ditetapkan untuk menyimpulkan hubungan dan merangkum konten. Pendekatan ini dapat disesuaikan secara dinamis berdasarkan volume percakapan atau acara spesifik di dalam ruang obrolan.

Seleksi pemimpin

Menganalisis percakapan untuk menemukan pemimpin percakapan atau pemimpin yang dirasakan, untuk banyak konteks yang berbeda (obrolan primer, atau dalam sebuah cluster)

Tantangan

• Nick Changes - Bagaimana kami melacak pengguna yang mengubah Nick mereka? Database Gaya BBB?
• Disasosiasi Aktor

• Bagaimana kita menangani aktor yang tidak berada di ruangan yang sama?
• Bagaimana kita menangani aktor yang berada di ruangan yang sama tetapi tidak pernah berinteraksi?
• Bagaimana kita menangani aktor yang berada di ruangan yang sama tetapi tidak pernah berinteraksi dengan cara yang kita dapat menyimpulkan suatu hubungan?

• Pesan Pribadi - Tidak dapat menyimpulkan hubungan dari pesan pribadi tanpa akses ke pesan, bisa menjadi fitur di masa depan.

Memvisualisasikan hubungan

• Spring Embedder - Algoritma tata letak grafik yang diarahkan
• Model gaya embedder pegas yang dimodifikasi - algoritma tata letak grafik yang diarahkan dengan embedder pegas yang dimodifikasi

Pembusukan temporal

Jika kita dapat menyimpulkan kekuatan hubungan, kita dapat menggunakan model peluruhan temporal untuk mengurangi kekuatan hubungan dari waktu ke waktu.

Penyaringan spam

Tbd