[发明专利]基于数值回归的双边关系量化分析方法及计算机存储介质

说明书

本发明公开了一种基于数值回归的双边关系量化分析方法及计算机存储介质，方法包括以下步骤：1)根据以往事件对双边关系影响力的打分数据，使用数值回归的学习方法形成事件打分模型；2)从当月两国交互事件中获得当月两国交互事件分值；3)根据以往双边关系分值及事件数据，结合其中事件分值通过数值回归的学习方法构建双边关系分值计算模型；4)根据当月两国交互事件分值、当月两国交互事件要素、上月双边关系分值和双边关系分值计算模型，进行当月双边关系分值的解算。本发明能够基于当月两国交互事件，结合上月双边关系分值，进行当月双边关系分值的解算，实现两国交互事件及其对双边关系的定量分析，避免专家人工分析带来的主观性影响。

技术领域

本发明涉及中外双边关系的量化分析领域，特别是涉及一种基于数值回归的双边关 系量化分析方法及计算机存储介质。

背景技术

针对事件的分析研究最早始于上世纪60年代。其代表性的模型包括阿萨尔(Edward Azar)的“冲突与和平数据库”(Conflict and Peace Data Bank,COPDAB)和麦克里兰 (Charles McClelland)的“世界事件互动测量”(World Event Interaction Survey，WEIS) 等。但当时相关的研究对外交政策并没有产生重大影响。进入90年代之后，美国国家科学基金会资助了“国际关系中的数据发展”(DDIR)项目。马里兰大学的“全球事件 数据体系”(Global Event Data System)就是从这个项目中发展起来，堪萨斯大学开发的 “堪萨斯事件数据系统”(KEDS)也很有影响。这些研究渐渐进入了政策制定领域。本 世纪以来，自然语言处理技术的发展推动了事件抽取的自动化，并直接促成了美国国防 部研制的“全球危机早期预警系统”(ICEWS)。目前该方面最有影响力的工作包括了美 国佐治亚城大学建立的全球新闻整合数据库(Global Database of Events,Languages,and Tone，GDELT)，美国国防部构建的ICEWS系统，以及美国Ward Lab等大学机构开展 的相关研究。

GDELT是面向全球的、海量新闻信息分析项目，项目通过监控全世界的广播、报纸、网络新闻及社交媒体，建立了面向全球的海量新闻事件库及知识库；通过构建面向 海量事件数据的多样化可视化服务，实现了海量情报信息的可视化展现，为理解海量情 报信息提供有效支持；通过对海量政治事件的建模分析及关联挖掘，实现了对国际政治 事件的定量研究、趋势预测、分析重演等。

ICEWS通过事件自动提取和编码，形成结构化的事件数据库，基于事件数据，进 行全球政治事件的分析和预测，可以监控、评估、预测可能导致危机(国际和国内危机、 种族和宗教暴力、独立和叛乱等)的主要因素，并为减轻、缓解危机提供建议。

近年来，随着我国地位的上升，我国国际关系学界面临着更大的学术挑战。国内以清华大学国际关系学院为代表，已经在国际关系量化分析方面开展研究工作，但其事件 收集主要依赖人工、事件定量化主要依靠专家打分，通过文本分析等主观判断法加以分 析。然而，该方法自动化程度有限，特别是相关信息系统缺乏。因此创造更多和更可靠 的数据库、研究事件及其对双边关系影响的量化分析方法是提升我国国际关系研究能力 的重要前提。

发明内容

发明目的：本发明要解决的技术问题是提供一种基于数值回归的双边关系量化分析 方法及计算机存储介质，解决了目前缺少自动化分析方法、专家人工进行双边关系分析中主观性和随意性大等问题。

技术方案：本发明所述的基于数值回归的双边关系量化分析方法，包括以下步骤：

(1)根据以往事件对双边关系影响力的打分数据，所述打分数据包括了事件句和事件分值，对事件句进行事件提取和特征选择，结合事件分值使用数值回归的学习方法 形成事件打分模型；

(2)从当月两国交互事件中提取当月两国交互事件要素，进行特征选择，输入到所述事件打分模型中，获得当月两国交互事件分值；