沖突預(yù)測(cè)一直是國(guó)際政治領(lǐng)域一個(gè)備受關(guān)注的主題,但傳統(tǒng)的沖突事件數(shù)據(jù)較為稀缺,細(xì)粒度（1）的觀測(cè)數(shù)據(jù)也難以大規(guī)模收集,因此預(yù)測(cè)在準(zhǔn)確性和及時(shí)性方面都存在較為明顯的不足�；诤Ａ看髷�(shù)據(jù)的事件數(shù)據(jù)庫(kù)的出現(xiàn),使國(guó)際沖突研究的數(shù)據(jù)量和質(zhì)量大幅提升。與此同時(shí),日益強(qiáng)大的數(shù)據(jù)分析技術(shù),為大規(guī)模觀察和分析政治暴力活動(dòng)并探索沖突動(dòng)態(tài)帶來(lái)了可能,也為沖突預(yù)測(cè)帶來(lái)了可能。本文的總體目標(biāo)是利用龐大和細(xì)粒度的全球事件話語(yǔ)數(shù)據(jù)庫(kù)（GDELT）,通過(guò)實(shí)際沖突案例進(jìn)行細(xì)致的實(shí)證分析,并基于GDELT提供的事件大數(shù)據(jù)建立相應(yīng)模型,利用長(zhǎng)短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)算法對(duì)沖突的動(dòng)態(tài)進(jìn)行預(yù)測(cè)預(yù)警。與此同時(shí),鑒于可公開(kāi)訪問(wèn)的互聯(lián)網(wǎng)社交網(wǎng)站（社交媒體）在信息傳播中起著關(guān)鍵作用,本文選取了兩個(gè)案例,通過(guò)相應(yīng)的數(shù)據(jù)抓取和分析,驗(yàn)證了民眾通過(guò)社交媒體反映出的態(tài)度對(duì)政治事件走勢(shì)的影響,即有效監(jiān)測(cè)民眾對(duì)于政治事件的態(tài)度情緒變化有助于揭示影響社會(huì)和政治不穩(wěn)定的輿論趨勢(shì)。因此,本文提出,對(duì)于國(guó)際沖突的預(yù)測(cè),可以在利用GDELT事件大數(shù)據(jù)建立模型進(jìn)行第一重判斷的基礎(chǔ)上,對(duì)可能引發(fā)沖突的事件,利用社交媒體大數(shù)據(jù)分析民眾對(duì)該事件的情感極性,作為判斷沖突是... 

【文章來(lái)源】：外交學(xué)院北京市

【文章頁(yè)數(shù)】：161 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

基于GDELT數(shù)據(jù)的“阿拉伯之春”各國(guó)戰(zhàn)斗活動(dòng)月度時(shí)間序列174（四）GDELT數(shù)據(jù)分析——以埃及為例

73圖2-3：根據(jù)月份整合的GDELT每一類事件所占比例——埃及（1989—2019年）事實(shí)上，“阿拉伯之春”以來(lái)，四類事件的報(bào)道數(shù)據(jù)均有增加，這是因?yàn)槊襟w對(duì)埃及及其境內(nèi)發(fā)生的“阿拉伯之春”相關(guān)活動(dòng)關(guān)注度大幅提升（如圖所示），但不同事件類別的增加幅度有所不同。如果詳細(xì)查看2011年1月前后有關(guān)埃及報(bào)道的新聞總數(shù)，并計(jì)算每一類事件在新聞總數(shù)中所占的比例（數(shù)值范圍0.0—1.0），就可以得出在這一時(shí)間點(diǎn)（即圖中垂直線所顯示的時(shí)間節(jié)點(diǎn)），Q3和Q4所占比例顯著增加，而Q1和Q2所占比例明顯下降，如圖所示，因而顯示出沖突逐漸升級(jí)的趨勢(shì)。圖2-4：按月整合的每一類事件絕對(duì)數(shù)量變化情況——埃及（1989—2019年）

73圖2-3：根據(jù)月份整合的GDELT每一類事件所占比例——埃及（1989—2019年）事實(shí)上，“阿拉伯之春”以來(lái)，四類事件的報(bào)道數(shù)據(jù)均有增加，這是因?yàn)槊襟w對(duì)埃及及其境內(nèi)發(fā)生的“阿拉伯之春”相關(guān)活動(dòng)關(guān)注度大幅提升（如圖所示），但不同事件類別的增加幅度有所不同。如果詳細(xì)查看2011年1月前后有關(guān)埃及報(bào)道的新聞總數(shù)，并計(jì)算每一類事件在新聞總數(shù)中所占的比例（數(shù)值范圍0.0—1.0），就可以得出在這一時(shí)間點(diǎn)（即圖中垂直線所顯示的時(shí)間節(jié)點(diǎn)），Q3和Q4所占比例顯著增加，而Q1和Q2所占比例明顯下降，如圖所示，因而顯示出沖突逐漸升級(jí)的趨勢(shì)。圖2-4：按月整合的每一類事件絕對(duì)數(shù)量變化情況——埃及（1989—2019年）

【參考文獻(xiàn)】：
期刊論文
[1]基于輿情大數(shù)據(jù)的社會(huì)安全事件情報(bào)感知與應(yīng)用研究[J]. 夏一雪.  現(xiàn)代情報(bào). 2019(11)
[2]中韓雙邊關(guān)系演進(jìn)過(guò)程及影響因子探析——基于事件數(shù)據(jù)分析[J]. 王元,韓增林,彭飛,蔣開(kāi)萍.  世界地理研究. 2019(05)
[3]中國(guó)及其周邊國(guó)家間地緣關(guān)系解析[J]. 陳小強(qiáng),袁麗華,沈石,梁曉瑤,王元慧,王翔宇,葉思菁,程昌秀,宋長(zhǎng)青.  地理學(xué)報(bào). 2019(08)
[4]“一帶一路”若干區(qū)域社會(huì)發(fā)展態(tài)勢(shì)大數(shù)據(jù)分析[J]. 馬明清,袁武,葛全勝,袁文,楊林生,李漢青,李萌.  地理科學(xué)進(jìn)展. 2019(07)
[5]大數(shù)據(jù)與雙邊關(guān)系的量化研究:以GDELT與中美關(guān)系為例[J]. 池志培,侯娜.  國(guó)際政治科學(xué). 2019(02)
[6]基于海量事件數(shù)據(jù)的中美關(guān)系分析——對(duì)等反應(yīng)、政策慣性及第三方因素[J]. 龐珣,劉子夜.  世界經(jīng)濟(jì)與政治. 2019(05)
[7]基于機(jī)器學(xué)習(xí)和脆弱國(guó)家指數(shù)的全球恐怖襲擊預(yù)測(cè)研究[J]. 邱凌峰,胡嘯峰,顧海碩,唐正,鄭超慧,沈兵.  災(zāi)害學(xué). 2019(02)
[8]社會(huì)情緒的結(jié)構(gòu)性分布特征及其邏輯——基于互聯(lián)網(wǎng)大數(shù)據(jù)GDELT的分析[J]. 龔為綱,朱萌.  政治學(xué)研究. 2018(04)
[9]大數(shù)據(jù)安全態(tài)勢(shì)感知與沖突預(yù)測(cè)[J]. 董青嶺.  中國(guó)社會(huì)科學(xué). 2018(06)
[10]大數(shù)據(jù)與國(guó)際關(guān)系研究創(chuàng)新[J]. 漆海霞.  中國(guó)社會(huì)科學(xué). 2018(06)

博士論文
[1]邊緣化身份視角下的國(guó)際沖突研究[D]. 趙煒.吉林大學(xué) 2015
[2]基于文本挖掘的國(guó)際關(guān)系網(wǎng)絡(luò)研究[D]. 王駿.北京郵電大學(xué) 2013
[3]基于貝葉斯網(wǎng)絡(luò)的突發(fā)事件應(yīng)急決策信息分析方法研究[D]. 徐磊.哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]基于頻繁子圖模式挖掘的群體性抗議事件檢測(cè)技術(shù)研究[D]. 陳科第.國(guó)防科學(xué)技術(shù)大學(xué) 2016



本文編號(hào)：3416360