Система підтримки прийняття рішень реінжинірингу на основі аналізу Твіттера

Abstract

Вплив соціальних мереж на життя пересічної людини є надзвичайно великим сьогодні [1]. Спираючись на дані наведені джерелом Statista платформа Twitter належала до п’ятірки найпопулярніших соціальних мереж в Україні станом на 2021 рік [2]. Великий приріст користувачів та розширення україномовного сегменту Twitter припадає на середину 2022 року, адже, українцям потрібна була платформа, яка б дозволяла поширювати правду до розпочату росією війну в Україні, без обмежень платформи та подальших блокувань акаунтів. Також, перевагою Twitter є те, що ним користуються багато відомих та впливових людей. Таким чином, звичайні користувачі можуть поширювати свої думки серед великих видань, політиків, бізнесменів, тощо. Перед новими користувачами будь-якої соціальної мережі завжди з’являється дві основні проблеми: інтеграція в правильний сегмент платформи, для уникнення споживання дезінформації [3] та прогнозування реакції інших учасників громади на їх пости. Ці дві проблеми особливо підсилюються в час війни, коли пропаганда країни агресора пробує працювати для зниження бойового духу українців та чутливість користувачів до інформації та персональних думок, які вони бачать онлайн. Об’єкт дослідження. Новизна соціальної мережі, невміння використовувати алгоритми представлені платформою, відсутність стовідсоткових методів філтрації та блокування шкідливих акаунтів породжує потребу в додатковому аналізі, рекомендаціях та представленні актуальної і головне безпечної інформації споживачеві. Предмет дослідження. Удосконалення існуючих методів аналізу та підтримки прийняття рішень користувача під час роботи з соціальними мережами для мінімізації розповсюдження дезінформації. Мета і задачі дослідження. Метою цієї роботи є створення системи для аналізу “гарячих” тем та профілів на платформі Twitter з подальшим забезпеченням користувача підтримкою прийняття рішень базуючись на його потребах. Завдяки проведеному дослідженню було розроблено систему підтримки прийняття рішень реінжинірингу на основі аналізу Твіттера. Перший модуль системи дозволяє підтримати рішення користувача у формуванні власного “екологічного довкілля” в мережі Твіттер, за рахунок створення листа популярних акаунтів, хештегів та тем за якими може слідкувати користувач і які є актуальними зараз. Такого результату було досягнуто з використанням Twitter API, який в свою чергу надає доступ до трендів та актуальних подій, про які зараз дискутують у Twitter. Таким чином, до підписки користувачів рекомендуються українські офіційні особи, які використовують дану платформу, волонтери, фонди та інші впливові користувачі мережі. Другий модуль системи дозволяє користувачам перевіряти твіти, які вони збираються опублікувати, на сприйняття їх авдиторією. Такий функціонал є особливо корисним для брендів, адже це допоможе їм прогнозувати реакцію їхніх клієнтів на майбутні запуски та продукти. В такий спосіб, вони зможуть перед публікацією відкоригувати твіти та зробити їх більш актуальними для сприйняття клієнтами. Досягнути цілей цієї компоненти допоможе аналіз тональності твітів за допомогою методів обробки природної мови. Використовується метод обробки природної мови - це вітка комп’ютерних наук, яка працює над наданням комп’ютерам можливість розуміти людську мову у письмовому та усному варіантах, та аналіз тональності тексту - дана задача потрібна для відокремлення суб’єктивних якостей з тексту, наприклад, поведінки, сарказму, емоцій, підозри, спантеличеності [4]. Засобом проведення такого аналізу обрано DialogFlow [5] від Google. У межах дослідження було проаналізовано твіти реальних користувачів. При порівнянні результатів Dialogflow та реальної реакції користувачів на обрані твіти визначено, що натренований агент з великою вірогідністю визначав правильну реакцію користувачів на твіт. Дане робота надає підґрунтя для подальших досліджень в даній області. Наприклад, використання змішаних засобів (і лексиконів, і машинного навчання) розпізнавання аналізу тональності постів у соціальних мережах. Також, аналіз профілів та постів користувачів на виявлення пропаганди.The influence of social networks on the life of an average person is extremely large today [1]. Based on data provided by the Statista source, the Twitter platform was among the five most popular social networks in Ukraine as of 2021 [2]. A large increase in users and the expansion of the Ukrainian-speaking segment of Twitter occurred in the middle of 2022, because Ukrainians needed a platform that would allow them to spread the truth about the war started by russia in Ukraine, without platform restrictions and subsequent blocking of accounts. Another advantage of Twitter is that it is used by many famous and influential people. Thus, regular users can spread their thoughts among major social media, politicians, businessmen, etc. New users of social networks always face two main problems: integration into the right segment of the platform to avoid consuming disinformation [3] and prediction of the reaction of other community members to their posts. These two problems are especially amplified in times of war, when the propaganda of the aggressor country tries to work to reduce the morale of Ukrainians and the sensitive reaction of users to the information and personal opinions they see online. The study object of the master’s thesis is the social network Twitter. Here are the reasons for choosing: the lack of information on the operation of the algorithms presented by the platform, the lack of reliable filtering methods for malicious accounts blocking creates the need for additional analysis, recommendations and the presentation of relevant and, most importantly, safe information to the consumer. The scope of research lies in improving existing methods of analyzing and supporting user decision-making when working with social networks to minimize the spread of disinformation. The goal of research is to create a system for the analysis of "hot" topics and profiles on the Twitter platform and further provide the user with support for decision-making based on his needs. The subject of research is to review the analytics and environment that Twitter algorithms create for the user in order to avoid spreading disinformation and create an opportunity to predict the reaction of the user’s audience on the tweet that the user. Furthermore, it allows the creation of a system which predicts the audience reaction to a user's tweet. As a result of the conducted research, a reengineering support and decision-making system based on Twitter analysis was developed. The first module allows the system to support the user's decision in forming its own "ecological environment" in the Twitter network, by creating a list of popular accounts, hashtags and topics that the user can follow and that are relevant. This result was achieved using the Twitter API, which in turn provides access to trends and major events that are currently being discussed on Twitter. Thus, Ukrainian officials who use this platform, volunteers, foundations and other influencers are recommended for user subscription to stimulate algorithms to propose relevant accounts which will form a reliable environment for the user in the social network. The second module of the system allows users to check the tweets they are about to publish for audience reception. This functionality is especially useful for brands as it will help them predict their customers' reactions to future launches and products. In this way, they will be able to adjust the tweets before publication and make them more relevant for the perception of customers. To achieve the goals of this component, the sentiment analysis of tweets using natural language processing methods is helpful. The NLP is a branch of computer science that works on giving computers the ability to understand human language in written and spoken versions, and the sentiment analysis is a task that is needed to separate subjective qualities from the text, for example, behavior , sarcasm, emotions, suspicion, bewilderment [4]. Dialogflow [5] from Google was chosen as the tool for such analysis. Within the framework of the study, tweets of real users were analyzed. When comparing the results of Dialogflow and the real users reaction to the selected tweets, it was determined that the trained agent showed itself very good in determining the correct user reaction to the tweet. This work provides a basis for further research in this area. For example, the use of mixed approaches (both lexicons and machine learning) to improve the sentiment of posts in social networks. Analysis of user also profiles and posts to detect propaganda.