本专著主要对基于大数据的社会安全态势感知这一交叉领域进行总结, 阐述最新理论成果及实践应用。第一章大数据。社会安全研究的新范式, 介绍社会安全态势感知相关研究背景和国内外现状, 分析数据驱动逐渐成为本领域研究趋势的原因。第二章数据源。无处不在的社会传感网络, 介绍网络社会人背景下安全态势感知研究的新特点, 以及主要的数据源类型。第三章数据挖掘。社会运行特征模式发现, 介绍用于社会安全研究的主流数据挖掘方法, 重点提出频繁子图模式并行挖掘算法。第四章机器学习。未来社会冲突检测与预测, 介绍基于频繁子图特征工程的社会冲突检测方法和基于隐式半马尔科夫模型的社会冲突预测方法, 对基于深度神经网络的冲突预测进行探讨。第五章实践应用。全球安全态势分析预警平台, 基于GDELT全球整合新闻数据库, 搭建全球安全态势分析预警平台, 介绍其全链条的采集、存储、处理及可视化过程, 结合各功能模块分析主要应用场景。
第1章 大数据:社会安全研究的新范式
1.1 引言
1.1.1 社会安全事件
1.1.2 大数据时代的社会安全研究
1.2 社会安全态势感知
1.2.1 社会安全态势感知的必要性
1.2.2 态势感知的定义
1.2.3 社会安全态势感知概念模型
1.3 社会安全态势感知研究进展
1.3.1 社会安全事件的检测方法
1.3.2 社会安全事件的预测方法
第2章 数据源:无处不在的社会传感网络
2.1 社会安全领域常用数据源
2.1.1 宏观数据
2.1.2 原子事件数据
2.1.3 复合事件数据
2.1.4 社交媒体及其他非结构化数据
2.2 GDELT数据项目
2.2.1 GDELT数据库概况
2.2.2 GDELT数据表
2.3 GDELT数据实时采集
2.3.1 使用大数据架构的缘由
2.3.2 基于元数据队列的多线程数据获取方法
2.3.3 基于Hive的海量数据ETL方法
2.3.4 基于HDFS、Hive与SparkSQL的数据仓库构建技术
第3章 态势理解:群体抗议事件检测
3.1 目标和任务
3.2 频繁子图挖掘
3.2.1 问题描述
3.2.2 子图增长策略
3.3 基于频繁子图挖掘的群体抗议事件特征抽取方法
3.3.1 基本概念
3.3.2 GDELT数据预处理方法
3.3.3 基于图描述语言的事件交互图表示方法
3.3.4 事件交互图集构建方法
3.3.5 频繁子图挖掘
3.3.6 基于频繁子图的群体抗议事件特征构建方法
3.3.7 实验与分析
3.4 基于多分类器调优的群体抗议事件检测模型
3.4.1 检测模型框架
3.4.2 群体抗议事件检测评价指标
3.4.3 实验与分析
……
第4章 态势预测:未来社会安全事件
第5章 实践应用:全球安全威胁分析预警平台
总结
参考文献