【技术实现步骤摘要】
本专利技术属于基于神经网络的深度学习，尤其涉及一种基于开源事件高阶表征的国家行为预测方法与系统。
技术介绍
1、对国家行为进行分析预测具有重要的现实意义，但是与之相关的事件样本通常较难获取，一般研究人员仅可通过互联网查找有关开源信息(如新闻报道、社交平台等)，并在此基础上开展分析。因此，面对诸如文本信息来源复杂、内容噪声较高、分析机理显著依赖于领域专家知识等现实挑战，亟需提出一种准确、高效的国家行为预测方法。
2、目前业界关于国家行为预测的技术研究相对较少，大多数从业者都聚焦于特定国家行为事件的后验分析及解释，而缺乏对行为预测的考量。该研究的技术难点在于基于传统研判方式从海量文本信息中抽取所关心的事件信息需要花费大量的时间和人力成本，同时所获取的事件信息噪声较高，导致研判准确率受限。虽然本专利技术所针对的分析任务在本质上属于文本分类范畴，但其使用的数据样本以及构造方式和传统文本分类差异较大，目前暂未发现类似针对国家行为预测的具体技术方案。此外，传统基于文本信息的事件预测方案大多采用一阶表征完成分析预测，但这种简单的特征提取方...
【技术保护点】
1.一种基于开源事件高阶表征的国家行为预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，获得开源事件的高阶表征时空共现信息的方法如下：
3.根据权利要求1-2任一所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，所述异常行为预测器以浅层卷积神经网络为基本架构，以交叉熵作为损失函数。
4.根据权利要求3所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，在所述损失函数中，通过随机梯度下降算法对所述卷积神经网络参数进行迭代拟合，当损失函数值不再下降...
【技术特征摘要】
1.一种基于开源事件高阶表征的国家行为预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，获得开源事件的高阶表征时空共现信息的方法如下：
3.根据权利要求1-2任一所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，所述异常行为预测器以浅层卷积神经网络为基本架构，以交叉熵作为损失函数。
4.根据权利要求3所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，在所述损失函数中，通过随机梯度下降算法对所述卷积神经网络参数进行迭代拟合，当损失函数值不再下降时，保存当前神经网络参数作为预测器的最优参数，对国家行为趋势进行推理预测。
5.根据权利要求4所述的一种基于开源事件高阶表征的国家行为预测方法，其特征在于，获得事件实例集合的同时获得在第t个历史时间窗口内的国家行为异常程度标签yt。
6.根据权利要求5所述的一种基于开源事...
【专利技术属性】
技术研发人员：杨林，张洪广，杨雄军，赵凯南，刘錞，
申请(专利权)人：中国人民解放军军事科学院系统工程研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。