Mateusz Kostrzewski March 8, 2021
ShinyApp.io: hatedetection
Kaggle: polish-twitter-sentiments
Zaimplementowana aplikacja umożliwia analizę portalu społecznościowego Twitter w celu wykrycia podmiotów stanowiących potencjalne zagrożenie. Wykorzystane metody grafowo-sieciowe wykrywają charakterystyczne grupy użytkowników, wskazują niejednoznaczne wypowiedzi oraz ułatwiają monitorowanie nastrojów społecznych.
Sklasyfikowane wpisy i użytkownicy stanowią wierzchołki grafu utworzonego przy użyciu biblioteki igraph. Zmienne ramek danych zamieniono na atrybu-ty wierzchołków. Dodano atrybut roli „U” dla użytkowników i „S” dla wypowiedzi. Relacja wpisu i jego autora opisana jest krawędzią.
Na potrzeby wizualizacji skonstruowano las (cztery drzewa) z czterema korzeniami oznaczającymi grupy popularności użytkowników. Zróżnicowano po-ziom każdego korzenia, aby wierzchołki nie nachodziły na siebie. Drzewa zaprezentowano w postaci okręgu. Kwadratowymi wierzchołkami oznaczono użytkow-ników. Ukryto krawędzie miedzy użytkownikami a korzeniami. Liście w postaci kół to wpisy. Zmieniono kolor krawędzi, związanych z negatywnymi wpisami.
Rys.1 obrazuje nastroje użytkowników portalu Twitter dla każdego dnia. Wybrano i zobrazowano pierwszy analizowany dzień. Zgodnie z legendą: kolorem czerwonym i literą oznaczono wpisy i użytkowników sklasyfikowanych jako negatywne, a kolorem niebieskim wpisy neutralne. Liczba wypowiedzi w rozpatrywanym tygodniu wynosiła ok. 6700.
Rys.1. Przykład dobowego grafu nastrojów
Zaproponowana metoda wykorzystuje właściwości histogramu grafu aktywności. Zamierzeniem jest przydzielenie autora wpisów do wykrytych charakte-rystycznych wzorców użytkowników Twittera. Podczas implementacji aplikacji zauważono kilka z nich:
Anomalia - popularni użytkownicy - najczęściej konta serwisów informa-cyjnych, cytujących negatywne słowa lub używających w innym kontek-ście. Charakteryzują się wysoką częstotliwością postów neutralnych i licznymi obserwatorami..
Mąciciel - pojedyncze osoby popularne: mała aktywność, szeroki posłuch.
Wzorce mieszane – popularne osoby umieszczający statusy informacyjne sporadycznie krytykujące konkretne obozy polityczne.
Spamer - wysoka częstotliwość hejtów o niskiej lub zerowej popularności. Cechą szczególną jest używanie klawisza Caps Lock i wulgaryzmów do wzmocnienia przekazu.
Wybór konkretnej grupy docelowej umożliwia panel filtrów widoczny na Rys. 2 i Rys. 3. Dostępne parametry to liczba grafowych historii aktywności, grupa popularności, zmienne na podstawie których zostaną posortowania wyniki oraz opcjonalna zmiana opcji sortowania na malejące. Domyślnie ustawione są: liczba negatywnych wpisów i stosunek hejtów do wszystkich w badanym tygodniu.
Rys.2. Przykład wyszukiwania grafowej historii wpisów użytkowników
Rys.3. Dostępne opcje sortowania grafowych historii wpisów.
Rys. 4. przedstawia przykładowy graf historii wpisów użytkownika. Graf składa się z wierzchołków stanu reprezentującego każdy dzień. Do każdego z nich przyłączone są wierzchołki oznaczające pojedyncze wpisy utworzone przez ich autora w danym dniu. Krawędź poprowadzona do wpisu sklasyfikowanego jako neutralny (kolor niebieski) ma zerową wagę, a do wpisu negatywnego (kolor czerwony) wagę równą liczbie użytych negatywnych słów. Krawędzie o dodatniej wadze są kolorowane na czerwono. Węzły są skalowane według liczby polu-bień. Możliwe jest kolorowanie wierzchołków stanu w zależności od nastawienia w danym dniu.
Rys.4 Przykład dobowego grafu nastrojów.
Rys. 5. przedstawia aktywność pierwszego znalezionego użytkownika. Wyświetlony panel składa się z grafu historii wpisów użytkownika, listy hejtów i zredukowanego histogram wag przyległych krawędzi na podstawie grafu historii wpisów.
Rys. 5. Pierwszy wynik wyszukania grafowej historii wpisów
Rys. 6. przedstawia zredukowany histogram wag przyległych krawędzi na podstawie przykładowego grafu historii wpisów. Zauważa się, że trzy wierzchołki stanów reprezentujących każdy dzień uzyskały sumę wag przyległych krawędzi równą 2. Oznacza to, że w tych dniach użytkownik użył dwóch nega-tywnych słów. Brak aktywności (suma wag przyległych krawędzi równa 0) odnotowano pierwszego, szóstego i ostatniego dnia. Na podstawie publikacji Y. Manolopolusa pt. “Structurebased similarity search with graph histograms” można zastosować analizę histogramów wag przyległych krawędzi i wykryć wzorce.
Rys. 6. Zredukowany histogram wag przyległych krawędzi na podstawie przykładowego grafu historii wpisów użytkownika.
Dokonano podziału grafu wypowiedzi na podgrafy korzystając z funkcji pakietu igraph – cluster_walktrap. Wynik klasteryzacji algorytmem walktrap przedstawiono na Rys. 7. Posortowano społeczności według ich liczebności. Poddano analizie grupy zawierające przynajmniej jednego hejtera.
Rys. 7. Wynik podziału grafu wypowiedzi na klastry.
Wyszukano cykle funkcją all_simple_paths. Interesujące są tylko te zbiory wierzchołków o liczności większej bądź równej cztery Przykładowy wynik analizy zamieszczono na Rys.8. Węzły przedstawione jako ikony osób to autorzy wypowiedzi. Logotypy Twittera reprezentują wypowiedzi. Są one skierowane do konkretnych odbiorców. Autorzy oznaczeni pętlą z błękitnym wypełnieniem i czerwoną krawędzią są w cyklu. W relacji uczestniczą osoby sklasyfikowane jako negatywna i neutralna.
Rys. 8. Przykładowy klaster z cyklem, w którym uczestniczą negatywni użytkownicy.
Wymiana zdań przez dwóch uczestników została dokładnie opisana chro-nologiczną listą wypowiedzi znajdującej się na Rys. 9. Analizując konkretną sytuację nasuwa się wniosek, że osoba sklasyfikowana jako hejter została sprowokowana i wbrew oczekiwaniom nie odpowiedziała atakiem.
Rys. 9. Wypowiedzi użytkowników w przykładowym klastrze i cyklu.
“Projekt i implementacja aplikacji wykorzystującej metody grafowo-sieciowe do analizy i wykrywania zagrożeń w sieci”,
M. Kostrzewski, Warszawa 2021