该研究报告“2018_Predicting Social Unrest Using GDELT.pdf”探讨了利用GDELT数据预测社会动荡的方法。

简介：
摘要：社会动荡通常是由于一系列事件和复杂的社会因素所引发的，并最终导致社会大众普遍存在的负面情绪。我们旨在运用机器学习技术，特别是随机森林、提升树以及神经网络，来深入分析和准确预测可能爆发的重大社会动荡事件。这些重大社会动荡事件，如维基百科页面“美国内乱事件清单”所记录的，被广泛认为是具有显著影响的。我们的研究表明，在某些此类事件发生后，例如桑德拉·布兰德遇害以及随之而来的大规模内乱，相关新闻文章中负面情绪的表达数量往往会显著增加。为此，我们利用从谷歌全球事件、语言和音调数据库（GDELT）中提取的新闻文章数据，考察了导致美利坚合众国各州和县级层面爆发大规模动乱的潜在社会因素与事件。为了能够有效地识别并预测县一级发生的社会动荡趋势，可以考虑开发相应的方案或应用程序，以减轻其可能造成的负面影响。本文的核心目标在于解决一个关键任务：即识别、理解并预测未来可能出现的社会动荡情况。关键词：社会动荡、新闻媒体报道、GDELT数据库、主题分析、事件识别、随机森林算法、阿达促进随机森林算法、LSTM模型。