threadr

설명

배우, 특히 위협 행위자 간의 관계를 식별하고 그래프 및 클러스터를 만드는 OpenSource 소셜 그래프 도구를 만듭니다. 관계의 강점을 배우 대 배우 또는 배우 대 클러스터로 식별하십시오.

프로젝트 목표

• 소셜 미디어, 대화방 등을 관찰하여 배우 식별
• 배우 간의 관계를 찾고 저장하십시오
• 관계에 가중치를 할당합니다
• 액터의 클러스터를 식별합니다
• 클러스터에 무게를 할당합니다
• IRC, 슬랙, 불화 등을 채택하십시오.
• 자동 서류 생성
• 쿼리 llm/rag

지역 사회

https://discord.gg/ynzmajvb에 참여하십시오

임베딩

채팅 메시지는 임베더 또는 문장 변압기를 통해 실행되어 벡터화를 생성하며 벡터 인덱스에 저장됩니다.

그래프가 있습니다

LLM은 지식 그래프 (Graph-RAG)에 근거한 LLMS "Alice가 Bob을 알고 있습니까?"와 같은 질문에 대답하는 데 사용됩니다.

그리고 "앨리스는 밥에 대해 무엇을 알고 있습니까?"

관계를 추론합니다

유추 관계 강점

Jibble 프로젝트와 마찬가지로, 우리는 IRC 봇을 사용하여 대화방을 모니터링하고 배우 간의 관계를 유추 할 것입니다. 우리는 다음 방법을 사용하여 관계를 추론합니다.

• 직접 주소 지정 (예 : "@carverauto, 어떻게 생각하십니까?")
• 시간적 근접성 (예 : " @carverauto의 포인트에 동의합니다")
• 시간 밀도 - 두 배우가 얼마나 자주 상호 작용합니까?

LLM을 사용한 의미 론적 추론

LLM은 전통적인 규칙 기반 시스템의 능력을 넘어 인간 대화의 컨텍스트, 감정 및 미묘함을 이해함으로써 추론 과정을 크게 향상시킬 수 있습니다.

예약 요약 : 주기적으로 시스템은 LLM을 호출하여 최근 대화를 요약 할 수 있습니다. 이것은 일반적인 담론을 이해하는 데 도움이 될뿐만 아니라 관계가 형성 될 수있는 반복되는 주제 나 주제를 강조 할 수 있습니다.

트리거 기반 컬렉션 : 대화의 일시 정지 또는 주제 이동과 같은 대화 신호를 기반으로 트리거를 구현하여 대화의 스냅 샷을 캡처하고 분석합니다. 이 방법은 분석이 문맥 상에 적절하고시기 적절한 지 확인합니다.

인터벌 기반 분석 : 창과 유사하게, 여기에는 정해진 간격 내에서 대화를 검사하여 관계를 유추하고 내용을 요약하는 것이 포함됩니다. 이 접근법은 대화방 내의 대화량 또는 특정 이벤트에 따라 동적으로 조정될 수 있습니다.

리더 선택

대화를 분석하여 대화 리더 또는 인식 된 리더, 여러 가지 다른 맥락 (1 차 채팅 또는 클러스터 내)을 찾으십시오.

도전

• Nick 변경 - Nick을 변경하는 사용자를 어떻게 추적합니까? BBB 스타일 데이터베이스?
• 배우 분해

• 같은 방에없는 배우를 어떻게 처리합니까?
• 우리는 같은 방에 있지만 결코 상호 작용하지 않는 배우를 어떻게 처리합니까?
• 우리는 같은 방에 있지만 관계를 추론 할 수있는 방식으로 상호 작용하지 않는 배우를 어떻게 처리합니까?

• 개인 메시지 - 메시지에 대한 액세스 권한이없는 개인 메시지의 관계를 유추 할 수 없으면 향후 기능이 될 수 있습니다.

관계 시각화

• 스프링 임베더 - 힘 지시 된 그래프 레이아웃 알고리즘
• 수정 된 스프링 임베더 힘 모델 - 수정 된 스프링 임베더가있는 힘 지시 된 그래프 레이아웃 알고리즘

시간적 붕괴

관계의 강점을 유추 할 수 있다면 시간이 지남에 따라 관계의 강점을 줄이기 위해 시간적 붕괴 모델을 사용할 수 있습니다.

스팸 필터링

TBD