threadr

Descrição

Crie uma ferramenta de gráfico social OpenSource, identificando relacionamentos entre atores, particularmente atores de ameaças, criando gráficos e clusters. Identifique a força dos relacionamentos ator a ator ou ator a cluster.

Objetivos do projeto

• Identifique os atores observando mídias sociais, salas de bate -papo, etc.
• Encontre e armazene as relações entre os atores
• Atribuir pesos aos relacionamentos
• Identifique grupos de atores
• Atribuir pesos aos clusters
• Adote IRC, Slack, Discord, etc.
• Criação de dossiê automática
• Query LLM/RAG

Comunidade

Junte -se a nós em nosso https://discord.gg/ynzmajvb

Incorporação

As mensagens de bate -papo serão executadas através de um transformador de incorporação ou sentença para criar vetorizações e serão salvas em um índice de vetor.

RAG de gráfico

Os LLMs aterrados por gráficos de conhecimento (RAG do gráfico) serão usados ​​para responder a perguntas como "Alice conhece Bob?"

e "O que Alice sabe sobre Bob?"

Inferir relacionamentos

Inferir pontos fortes do relacionamento

Como o projeto Jibble, usaremos os bots IRC para monitorar salas de bate -papo e inferir relacionamentos entre atores. Usaremos os seguintes métodos para inferir relacionamentos:

• Endereço direto (por exemplo, "Hey @carverauto, o que você acha?")
• Proximidade temporal (por exemplo, "eu concordo com o @carverauto's Point")
• Densidade temporal - Com que frequência dois atores interagem?

Inferência semântica usando um LLM

Os LLMs podem aumentar significativamente o processo de inferência, entendendo o contexto, o sentimento e as sutilezas da conversa humana, além das capacidades dos sistemas tradicionais baseados em regras.

Resumo programado: periodicamente, o sistema pode invocar um LLM para resumir conversas recentes. Isso não apenas ajuda a entender o discurso geral, mas também pode destacar temas ou assuntos recorrentes em torno de quais relacionamentos podem se formar.

Coleção baseada em gatilho: implementar gatilhos com base em pistas de conversação, como pausas no diálogo ou mudanças nos tópicos, para capturar e analisar instantâneos de conversas. Este método garante que a análise seja contextualmente relevante e oportuna.

Análise baseada em intervalos: semelhante ao janela, isso envolve examinar conversas em intervalos definidos para inferir relacionamentos e resumir o conteúdo. Essa abordagem pode ser ajustada dinamicamente com base no volume de conversas ou em eventos específicos na sala de bate -papo.

Seleção de líderes

Analise a conversa para encontrar líderes de conversação ou o líder percebido, para muitos contextos diferentes (bate -papo primário ou dentro de um cluster)

Desafios

• Nick muda - como rastreamos um usuário que muda de Nick? Banco de dados de estilo BBB?
• Desassociação do ator

• Como lidamos com atores que não estão na mesma sala?
• Como lidamos com atores que estão na mesma sala, mas nunca interagimos?
• Como lidamos com atores que estão na mesma sala, mas nunca interagimos de uma maneira que podemos inferir um relacionamento?

• Mensagens privadas - incapazes de inferir relacionamentos de mensagens privadas sem acesso às mensagens, pode ser um recurso futuro.

Visualizando relacionamentos

• Spring Incordder - um algoritmo de layout de gráfico direcionado à força
• Modelo de Força de Incorporação de Mola Modificada - Um Algoritmo de Layout de Gráfico Dirigido por Força com um Incorporador de Mola Modificado

Cárie temporal

Se pudermos inferir a força dos relacionamentos, podemos usar um modelo de decaimento temporal para reduzir a força dos relacionamentos ao longo do tempo.

Filtragem de spam

TBD