國(guó)家沖突行為預(yù)測(cè)在國(guó)際關(guān)系研究領(lǐng)域是指對(duì)戰(zhàn)爭(zhēng)、武裝對(duì)抗、政治動(dòng)蕩等問題的爆發(fā)、持續(xù)以及傷亡情況的預(yù)測(cè)分析,能夠?yàn)樘崆爸贫☉?zhàn)略決策提供一定的輔助支持。隨著大數(shù)據(jù)和自然語言處理等技術(shù)的發(fā)展,使得基于公開海量新聞數(shù)據(jù)進(jìn)行沖突行為預(yù)測(cè)成為可能。國(guó)家沖突行為量化預(yù)測(cè)研究中廣泛采用的“事件數(shù)據(jù)分析法”具有對(duì)領(lǐng)域?qū)＜抑R(shí)依賴強(qiáng)、時(shí)效性差等問題,本文綜合利用人工智能領(lǐng)域相關(guān)技術(shù),從互聯(lián)網(wǎng)抓取海量新聞數(shù)據(jù)進(jìn)行文本特征提取與預(yù)測(cè)模型構(gòu)建,通過動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型構(gòu)建了南海問題中我國(guó)與其它七大參與國(guó)家間的沖突預(yù)測(cè)模型,論文主要研究?jī)?nèi)容如下:首先,提出了一種融合層次聚類、單詞貢獻(xiàn)度（Term Contribution,TC）與潛在狄利克雷分布（Latent Dirichlet Allocation,LDA）主題模型的特征自動(dòng)抽取算法,采用多項(xiàng)式邏輯回歸構(gòu)建沖突預(yù)測(cè)模型。所提算法采用層次聚類解決了LDA主題模型需要確定主題數(shù)目的問題,融合TC與LDA從海量新聞數(shù)據(jù)中提取更具表征性的主題詞特征。基于提取的主題詞構(gòu)建主題向量,將主題向量依次輸入多項(xiàng)式邏輯回歸模型迭代訓(xùn)練,得到國(guó)家沖突行為趨勢(shì)預(yù)測(cè)模型。通過對(duì)朝鮮核行為... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

爬取頁面展示圖

杭州電子科技大學(xué)碩士學(xué)位論文39表4.6南海爭(zhēng)端事件分值表部分內(nèi)容大類事件小類事件事件分值公開聲明消極評(píng)論-0.4積極評(píng)論0.4承認(rèn)或聲明負(fù)責(zé)0.0商議進(jìn)行訪問1.9主持訪問2.8參與磋商和對(duì)話7.0進(jìn)行實(shí)質(zhì)合作軍事合作7.4進(jìn)行司法合作7.4共享情報(bào)或信息7.0展示軍事姿態(tài)閱兵演練-5.0巡洋艦航行-6.0驅(qū)逐艦航行-5.0將20大類事件和511類事件存入數(shù)據(jù)庫，結(jié)果如圖4.5所示。圖4.5事件分值表展示根據(jù)事件分值表中的事件類型構(gòu)建事件抽取規(guī)則模板。因?yàn)橹骺腕w及觸發(fā)詞

杭州電子科技大學(xué)碩士學(xué)位論文40在句子中的表達(dá)方式存在多樣性，由中國(guó)電子科技集團(tuán)第二十八研究所專家定義了603個(gè)事件抽取匹配規(guī)則，對(duì)于給定任意包含511小類事件的事件句，均有唯一的事件類型與之對(duì)應(yīng)。將新聞數(shù)據(jù)按條輸入，進(jìn)行事件抽取后，輸出對(duì)應(yīng)事件句、時(shí)間、發(fā)起者、承受者、事件類型、事件得分等內(nèi)容，并存入數(shù)據(jù)庫。從35445條新聞中總共匹配出74530個(gè)事件，匹配模式如表4.7所示。其中，source表示事件句中的發(fā)起者，target表示事件句中的承受者。表4.7部分事件匹配結(jié)果事件句時(shí)間發(fā)起者承受者匹配規(guī)則事件類型越南要求中國(guó)撤走南沙導(dǎo)彈，稱侵犯其“主權(quán)”。2018.05越南中國(guó)source(要求敦促)target+{V}要求(其它)澳大利亞首次邀請(qǐng)中國(guó)參加這一軍演，和美國(guó)撤銷邀請(qǐng)中國(guó)參加“環(huán)太平洋2018”軍演形成鮮明對(duì)比。2018.08澳大利亞中國(guó)source(邀請(qǐng))target{參加}{演習(xí)軍演}表達(dá)軍事合作意向美國(guó)軍艦卻屢次進(jìn)入中國(guó)南海島礁12海里是別有用心。2018.10美國(guó)中國(guó)source+(進(jìn)入闖闖入駛?cè)胙埠接碴J進(jìn)入巡)target+{12}{海里}展示軍事姿態(tài)將所有抽取結(jié)果存入數(shù)據(jù)庫，部分結(jié)果如圖4.6所示。圖4.6事件抽取結(jié)果展示圖

【參考文獻(xiàn)】：
期刊論文
[1]基于BI-GRU-CRF模型的中文分詞法[J]. 車金立,唐力偉,鄧士杰,蘇續(xù)軍.  火力與指揮控制. 2019(09)
[2]基于Scrapy爬蟲框架的安居客租房數(shù)據(jù)爬取[J]. 陳燕.  輕工科技. 2019(09)
[3]從歷史邏輯與人文哲學(xué)看“構(gòu)建人類命運(yùn)共同體”[J]. 凌均衛(wèi).  南華大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(03)
[4]基于Python的網(wǎng)絡(luò)爬蟲與反爬蟲技術(shù)研究[J]. 李培.  計(jì)算機(jī)與數(shù)字工程. 2019(06)
[5]基于Word2vec和改進(jìn)型TF-IDF的卷積神經(jīng)網(wǎng)絡(luò)文本分類模型[J]. 王根生,黃學(xué)堅(jiān).  小型微型計(jì)算機(jī)系統(tǒng). 2019(05)
[6]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情危機(jī)等級(jí)預(yù)測(cè)模型[J]. 楊靜,鄒梅,黃微.  情報(bào)科學(xué). 2019(05)
[7]朝鮮核行為預(yù)測(cè):變化無常還是有章可循[J]. 曹瑋,劉倩,劉子夜.  國(guó)際安全研究. 2019(01)
[8]基于改進(jìn)的K-means算法在文本挖掘中的應(yīng)用[J]. 楊丹,朱世玲,卞正宇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(04)
[9]美菲同盟對(duì)中菲南海爭(zhēng)端的影響論析[J]. 李途.  東南亞研究. 2018(05)
[10]中文分詞算法研究綜述[J]. 汪文妃,徐豪杰,楊文珍,吳新麗.  成組技術(shù)與生產(chǎn)現(xiàn)代化. 2018(03)

博士論文
[1]自由文本的信息抽取模式獲取的研究[D]. 姜吉發(fā).中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所） 2004

碩士論文
[1]面向文本的空間信息抽取方法研究[D]. 施林鋒.南京大學(xué) 2019
[2]基于條件隨機(jī)場(chǎng)的中文分詞技術(shù)的研究與實(shí)現(xiàn)[D]. 徐曉芳.南京郵電大學(xué) 2018
[3]面向突發(fā)事件的事件要素識(shí)別研究[D]. 張鵬.安徽理工大學(xué) 2018
[4]K-means算法的改進(jìn)及其在文本聚類中的應(yīng)用研究[D]. 李敏.江南大學(xué) 2018
[5]多媒體網(wǎng)絡(luò)輿情危機(jī)監(jiān)測(cè)指標(biāo)體系構(gòu)建研究[D]. 金鑫.吉林大學(xué) 2017
[6]文本表示模型和特征選擇算法研究[D]. 陳磊.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[7]基于邏輯回歸的金融數(shù)據(jù)分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉展.山東大學(xué) 2017
[8]基于事件抽取的日漢新聞?wù)Z料庫構(gòu)建研究[D]. 楊健.北京交通大學(xué) 2016
[9]統(tǒng)計(jì)學(xué)視角下的國(guó)家雙邊關(guān)系[D]. 劉晏榕.云南大學(xué) 2015
[10]基于主題的微博網(wǎng)頁爬蟲研究[D]. 曾小虎.武漢理工大學(xué) 2014



本文編號(hào)：3315373