基于互联网舆情的国际军事关系挖掘技术研究
发布时间：2021-01-08 21:05
军事关系作为国际关系的重要组成部分,是国家战略和国防战略相关学科下所需要研究的重要命题。由于传统国家间关系的复杂性,再加上处理技术的局限性,目前国家双边关系的研究主要依赖于半结构化或结构化的数据,使数据源有一定的局限性。同时在分析过程中通过专家经验采用半手工或全手工的方法去进行数据整理和分析也势必将耗费大量的人力资源且往往存在着时效性的问题。随着计算机、自动化技术的不断发展,互联网的普遍应用使得消息和信息传递速度与数量实现了质的飞跃,同时针对文本和多媒体信息的智能分析技术也使得通过数据驱动决策的技术思路成为可能。因此,如何利用相关智能技术分析互联网海量数据完成国际军事关系的研读与挖掘,从而更好地服务国家安全和造福社会,是一个十分重要的研究问题。基于此问题,本文设计并实现了一个基于互联网舆情的国际军事关系网络挖掘平台。该平台首先使用网络爬虫采集互联网上的军事报道相关文本信息,之后通过情感分析、影响力计算、信息可信度技术研究并挖掘了所采集到的信息中所蕴含的价值并转化为结构化知识进行存储,同时通过自然语言处理相关技术进行军事实体抽取与融合。最终本文基于图论的相关技术构建了国际军事关系网络,并...
【文章来源】：战略支援部队信息工程大学河南省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
谣言识别初筛及反馈流程
图 2-1 谣言识别初筛及反馈流程2.4 实体抽取与网络关系构建实体关系抽取作为信息抽取领域的重要研究课题，其主要目的是抽取句子中已标记体对之间的语义关系，即在实体识别的基础上确定无结构文本中实体对间的关系类别，形成结构化的数据以便存储和取用[70]。从最早 1999 年美国国家标准技术研究院（NIST）织第一次评测以来，实体关系抽取技术已经取得了长足的发展。当前，根据标签的丰富充足程度，实体关系抽可取分为有监督、半监督、无监督和开放式的抽取[71]。在实际应上，一些基于此技术构建的开源通用知识库已经投入应用（例如 FreeBase、DBPediaOpenCyc、YAGO 等）[72]。总而言之，当前基于实体关系抽取研究的现状如图 2-2 所示。文在第四节将对于进行实体抽取的具体技术进行详细阐述。
图 3-1 待采集数据类型与属性数据采集的目的是获取互联网环境下大量的新闻报道文本和读者评价文本，在此基通过机器学习的方式处理并进行双边军事关系计算。首先进行数据的采集，待采集完成后对数据情况进行统计，并选用合适的数据库进储。采集过程包含两个步骤：利用网络爬虫进行采集和数据存储及统计。.2.1 利用网络爬虫进行采集网络爬虫是一种脚本工具，它可以由人为制定爬取的目标数据与爬取规则。它可以人类，自动访问互联网，并将网站内容下载下来。通过对网站内容的解析，获得所需资料。爬虫不仅能下载文本信息，还能下载相应的图片、视频等影像资料。其主要工作原理如图 3-2 所示：
【参考文献】：
期刊论文
[1]命名实体识别研究综述[J]. 刘浏,王东波. 情报学报. 2018(03)
[2]面向专业文献知识实体类型的抽取和标注[J]. 温雯,伍思杰,蔡瑞初,郝志峰. 中文信息学报. 2018(01)
[3]在线社会网络谣言检测综述[J]. 陈燕方,李志宇,梁循,齐金山. 计算机学报. 2018(07)
[4]机器学习与冲突预测——国际关系研究的一个跨学科视角[J]. 董青岭. 世界经济与政治. 2017(07)
[5]实体关系抽取研究综述[J]. 刘绍毓,李弼程,郭志刚,王波,陈刚. 信息工程大学学报. 2016(05)
[6]社交关系挖掘研究综述[J]. 赵姝,刘晓曼,段震,张燕平,唐杰. 计算机学报. 2017(03)
[7]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[8]国际关系定量分析:科学还是反科学?[J]. 卢凌宇,胡美. 欧洲研究. 2013(06)
[9]微博谣言识别研究[J]. 贺刚,吕学强,李卓,徐丽萍. 图书情报工作. 2013(23)
[10]文本情感分析综述[J]. 杨立公,朱俭,汤世平. 计算机应用. 2013(06)
硕士论文
[1]开放领域的中文实体无监督关系抽取[D]. 孙勇亮.华东师范大学 2014
[2]无监督关系抽取方法研究[D]. 张志田.哈尔滨工业大学 2007
本文编号：2965298
【文章来源】：战略支援部队信息工程大学河南省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
谣言识别初筛及反馈流程
图 2-1 谣言识别初筛及反馈流程2.4 实体抽取与网络关系构建实体关系抽取作为信息抽取领域的重要研究课题，其主要目的是抽取句子中已标记体对之间的语义关系，即在实体识别的基础上确定无结构文本中实体对间的关系类别，形成结构化的数据以便存储和取用[70]。从最早 1999 年美国国家标准技术研究院（NIST）织第一次评测以来，实体关系抽取技术已经取得了长足的发展。当前，根据标签的丰富充足程度，实体关系抽可取分为有监督、半监督、无监督和开放式的抽取[71]。在实际应上，一些基于此技术构建的开源通用知识库已经投入应用（例如 FreeBase、DBPediaOpenCyc、YAGO 等）[72]。总而言之，当前基于实体关系抽取研究的现状如图 2-2 所示。文在第四节将对于进行实体抽取的具体技术进行详细阐述。
图 3-1 待采集数据类型与属性数据采集的目的是获取互联网环境下大量的新闻报道文本和读者评价文本，在此基通过机器学习的方式处理并进行双边军事关系计算。首先进行数据的采集，待采集完成后对数据情况进行统计，并选用合适的数据库进储。采集过程包含两个步骤：利用网络爬虫进行采集和数据存储及统计。.2.1 利用网络爬虫进行采集网络爬虫是一种脚本工具，它可以由人为制定爬取的目标数据与爬取规则。它可以人类，自动访问互联网，并将网站内容下载下来。通过对网站内容的解析，获得所需资料。爬虫不仅能下载文本信息，还能下载相应的图片、视频等影像资料。其主要工作原理如图 3-2 所示：
【参考文献】：
期刊论文
[1]命名实体识别研究综述[J]. 刘浏,王东波. 情报学报. 2018(03)
[2]面向专业文献知识实体类型的抽取和标注[J]. 温雯,伍思杰,蔡瑞初,郝志峰. 中文信息学报. 2018(01)
[3]在线社会网络谣言检测综述[J]. 陈燕方,李志宇,梁循,齐金山. 计算机学报. 2018(07)
[4]机器学习与冲突预测——国际关系研究的一个跨学科视角[J]. 董青岭. 世界经济与政治. 2017(07)
[5]实体关系抽取研究综述[J]. 刘绍毓,李弼程,郭志刚,王波,陈刚. 信息工程大学学报. 2016(05)
[6]社交关系挖掘研究综述[J]. 赵姝,刘晓曼,段震,张燕平,唐杰. 计算机学报. 2017(03)
[7]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[8]国际关系定量分析:科学还是反科学?[J]. 卢凌宇,胡美. 欧洲研究. 2013(06)
[9]微博谣言识别研究[J]. 贺刚,吕学强,李卓,徐丽萍. 图书情报工作. 2013(23)
[10]文本情感分析综述[J]. 杨立公,朱俭,汤世平. 计算机应用. 2013(06)
硕士论文
[1]开放领域的中文实体无监督关系抽取[D]. 孙勇亮.华东师范大学 2014
[2]无监督关系抽取方法研究[D]. 张志田.哈尔滨工业大学 2007
本文编号：2965298
本文链接：https://www.wllwen.com/shekelunwen/renwuzj/2965298.html
