典型文献
基于Lightgbm算法的恐怖袭击预警模型构建研究
文献摘要：
[研究目的]在GTD海量恐怖主义活动数据中,存在特征影响恐怖袭击目标实现,使用机器学习方法建立恐怖袭击预警模型,可为反恐预警提供决策支持.[研究方法]通过预测恐怖袭击目标实现风险,可发现恐袭预警重要性特征.对135维GTD特征进行特征筛选、归一化、独热编码、卡方检验、PCA降维,利用Lightgbm算法在内四种机器学习算法测试评估,并根据Lightgbm算法特征重要性,控制变量并重复实验得到重点及突增点特征.[研究结果]综合评价指标,证明Lightgbm算法在表现上优于其他机器学习算法,在保证样本类别1∶1均衡的前提下,910次实验其平均准确率为0.7986,召回率为0.7852,f1值为0.7832,平均运行时间为3.57s.Lighgbm算法在GTD数据上可有效提高分类效果,attacktype突增点特征及前十四顺位特征应作为重点特征辅助预警决策.
文献关键词：
恐怖主义;恐怖袭击;反恐预警;预警模型;GTD;Lightgbm;特征工程;机器学习
中图分类号：
作者姓名：
陈晨;李勇男;王铭戬
作者机构：
中国人民公安大学国家安全学院 北京 100038;中国人民公安大学侦查学院 北京 100038
文献出处：
引用格式：
[1]陈晨;李勇男;王铭戬-.基于Lightgbm算法的恐怖袭击预警模型构建研究)[J].情报杂志,2022(06):21-28,98
A类：
Lightgbm,Lighgbm,attacktype
B类：
恐怖袭击,预警模型,研究目的,GTD,恐怖主义,存在特征,目标实现,机器学习方法,反恐预警,决策支持,特征筛选,独热编码,卡方检验,机器学习算法,算法测试,测试评估,算法特征,特征重要性,控制变量,突增,综合评价指标,本类,平均准确率,召回率,f1,运行时间,57s,分类效果,顺位,应作,重点特征,特征辅助,预警决策,特征工程
AB值：
0.34566
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
