基于机器学习的国家冲突行为预测研究

发布时间：2021-08-01 10:35

　　国家冲突行为预测在国际关系研究领域是指对战争、武装对抗、政治动荡等问题的爆发、持续以及伤亡情况的预测分析,能够为提前制定战略决策提供一定的辅助支持。随着大数据和自然语言处理等技术的发展,使得基于公开海量新闻数据进行冲突行为预测成为可能。国家冲突行为量化预测研究中广泛采用的“事件数据分析法”具有对领域专家知识依赖强、时效性差等问题,本文综合利用人工智能领域相关技术,从互联网抓取海量新闻数据进行文本特征提取与预测模型构建,通过动态贝叶斯网络模型构建了南海问题中我国与其它七大参与国家间的冲突预测模型,论文主要研究内容如下:首先,提出了一种融合层次聚类、单词贡献度（Term Contribution,TC）与潜在狄利克雷分布（Latent Dirichlet Allocation,LDA）主题模型的特征自动抽取算法,采用多项式逻辑回归构建冲突预测模型。所提算法采用层次聚类解决了LDA主题模型需要确定主题数目的问题,融合TC与LDA从海量新闻数据中提取更具表征性的主题词特征。基于提取的主题词构建主题向量,将主题向量依次输入多项式逻辑回归模型迭代训练,得到国家冲突行为趋势预测模型。通过对朝鲜核行为... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

爬取页面展示图

杭州电子科技大学硕士学位论文39表4.6南海争端事件分值表部分内容大类事件小类事件事件分值公开声明消极评论-0.4积极评论0.4承认或声明负责0.0商议进行访问1.9主持访问2.8参与磋商和对话7.0进行实质合作军事合作7.4进行司法合作7.4共享情报或信息7.0展示军事姿态阅兵演练-5.0巡洋舰航行-6.0驱逐舰航行-5.0将20大类事件和511类事件存入数据库，结果如图4.5所示。图4.5事件分值表展示根据事件分值表中的事件类型构建事件抽取规则模板。因为主客体及触发词

杭州电子科技大学硕士学位论文40在句子中的表达方式存在多样性，由中国电子科技集团第二十八研究所专家定义了603个事件抽取匹配规则，对于给定任意包含511小类事件的事件句，均有唯一的事件类型与之对应。将新闻数据按条输入，进行事件抽取后，输出对应事件句、时间、发起者、承受者、事件类型、事件得分等内容，并存入数据库。从35445条新闻中总共匹配出74530个事件，匹配模式如表4.7所示。其中，source表示事件句中的发起者，target表示事件句中的承受者。表4.7部分事件匹配结果事件句时间发起者承受者匹配规则事件类型越南要求中国撤走南沙导弹，称侵犯其“主权”。2018.05越南中国source(要求敦促)target+{V}要求(其它)澳大利亚首次邀请中国参加这一军演，和美国撤销邀请中国参加“环太平洋2018”军演形成鲜明对比。2018.08澳大利亚中国source(邀请)target{参加}{演习军演}表达军事合作意向美国军舰却屡次进入中国南海岛礁12海里是别有用心。2018.10美国中国source+(进入闯闯入驶入巡航硬闯进入巡)target+{12}{海里}展示军事姿态将所有抽取结果存入数据库，部分结果如图4.6所示。图4.6事件抽取结果展示图

【参考文献】：
期刊论文
[1]基于BI-GRU-CRF模型的中文分词法[J]. 车金立,唐力伟,邓士杰,苏续军.  火力与指挥控制. 2019(09)
[2]基于Scrapy爬虫框架的安居客租房数据爬取[J]. 陈燕.  轻工科技. 2019(09)
[3]从历史逻辑与人文哲学看“构建人类命运共同体”[J]. 凌均卫.  南华大学学报(社会科学版). 2019(03)
[4]基于Python的网络爬虫与反爬虫技术研究[J]. 李培.  计算机与数字工程. 2019(06)
[5]基于Word2vec和改进型TF-IDF的卷积神经网络文本分类模型[J]. 王根生,黄学坚.  小型微型计算机系统. 2019(05)
[6]基于动态贝叶斯网络的网络舆情危机等级预测模型[J]. 杨静,邹梅,黄微.  情报科学. 2019(05)
[7]朝鲜核行为预测:变化无常还是有章可循[J]. 曹玮,刘倩,刘子夜.  国际安全研究. 2019(01)
[8]基于改进的K-means算法在文本挖掘中的应用[J]. 杨丹,朱世玲,卞正宇.  计算机技术与发展. 2019(04)
[9]美菲同盟对中菲南海争端的影响论析[J]. 李途.  东南亚研究. 2018(05)
[10]中文分词算法研究综述[J]. 汪文妃,徐豪杰,杨文珍,吴新丽.  成组技术与生产现代化. 2018(03)

博士论文
[1]自由文本的信息抽取模式获取的研究[D]. 姜吉发.中国科学院研究生院（计算技术研究所） 2004

硕士论文
[1]面向文本的空间信息抽取方法研究[D]. 施林锋.南京大学 2019
[2]基于条件随机场的中文分词技术的研究与实现[D]. 徐晓芳.南京邮电大学 2018
[3]面向突发事件的事件要素识别研究[D]. 张鹏.安徽理工大学 2018
[4]K-means算法的改进及其在文本聚类中的应用研究[D]. 李敏.江南大学 2018
[5]多媒体网络舆情危机监测指标体系构建研究[D]. 金鑫.吉林大学 2017
[6]文本表示模型和特征选择算法研究[D]. 陈磊.中国科学技术大学 2017
[7]基于逻辑回归的金融数据分类系统的设计与实现[D]. 刘展.山东大学 2017
[8]基于事件抽取的日汉新闻语料库构建研究[D]. 杨健.北京交通大学 2016
[9]统计学视角下的国家双边关系[D]. 刘晏榕.云南大学 2015
[10]基于主题的微博网页爬虫研究[D]. 曾小虎.武汉理工大学 2014



本文编号：3315373