本發明公開了一種基于數值回歸的雙邊關系量化分析方法及計算機存儲介質，方法包括以下步驟：1)根據以往事件對雙邊關系影響力的打分數據，使用數值回歸的學習方法形成事件打分模型；2)從當月兩國交互事件中獲得當月兩國交互事件分值；3)根據以往雙邊關系分值及事件數據，結合其中事件分值通過數值回歸的學習方法構建雙邊關系分值計算模型；4)根據當月兩國交互事件分值、當月兩國交互事件要素、上月雙邊關系分值和雙邊關系分值計算模型，進行當月雙邊關系分值的解算。本發明能夠基于當月兩國交互事件，結合上月雙邊關系分值，進行當月雙邊關系分值的解算，實現兩國交互事件及其對雙邊關系的定量分析，避免專家人工分析帶來的主觀性影響。

技術領域

本發明涉及中外雙邊關系的量化分析領域，特別是涉及一種基于數值回歸的雙邊關 系量化分析方法及計算機存儲介質。

背景技術

針對事件的分析研究最早始于上世紀60年代。其代表性的模型包括阿薩爾(Edward Azar)的“沖突與和平數據庫”(Conflict and Peace Data Bank,COPDAB)和麥克里蘭 (Charles McClelland)的“世界事件互動測量”(World Event Interaction Survey，WEIS) 等。但當時相關的研究對外交政策并沒有產生重大影響。進入90年代之后，美國國家科學基金會資助了“國際關系中的數據發展”(DDIR)項目。馬里蘭大學的“全球事件 數據體系”(Global Event Data System)就是從這個項目中發展起來，堪薩斯大學開發的 “堪薩斯事件數據系統”(KEDS)也很有影響。這些研究漸漸進入了政策制定領域。本 世紀以來，自然語言處理技術的發展推動了事件抽取的自動化，并直接促成了美國國防 部研制的“全球危機早期預警系統”(ICEWS)。目前該方面最有影響力的工作包括了美 國佐治亞城大學建立的全球新聞整合數據庫(Global Database of Events,Languages,and Tone，GDELT)，美國國防部構建的ICEWS系統，以及美國Ward Lab等大學機構開展 的相關研究。

GDELT是面向全球的、海量新聞信息分析項目，項目通過監控全世界的廣播、報紙、網絡新聞及社交媒體，建立了面向全球的海量新聞事件庫及知識庫；通過構建面向 海量事件數據的多樣化可視化服務，實現了海量情報信息的可視化展現，為理解海量情 報信息提供有效支持；通過對海量政治事件的建模分析及關聯挖掘，實現了對國際政治 事件的定量研究、趨勢預測、分析重演等。

ICEWS通過事件自動提取和編碼，形成結構化的事件數據庫，基于事件數據，進 行全球政治事件的分析和預測，可以監控、評估、預測可能導致危機(國際和國內危機、 種族和宗教暴力、獨立和叛亂等)的主要因素，并為減輕、緩解危機提供建議。

近年來，隨著我國地位的上升，我國國際關系學界面臨著更大的學術挑戰。國內以清華大學國際關系學院為代表，已經在國際關系量化分析方面開展研究工作，但其事件 收集主要依賴人工、事件定量化主要依靠專家打分，通過文本分析等主觀判斷法加以分 析。然而，該方法自動化程度有限，特別是相關信息系統缺乏。因此創造更多和更可靠 的數據庫、研究事件及其對雙邊關系影響的量化分析方法是提升我國國際關系研究能力 的重要前提。

發明內容

發明目的：本發明要解決的技術問題是提供一種基于數值回歸的雙邊關系量化分析 方法及計算機存儲介質，解決了目前缺少自動化分析方法、專家人工進行雙邊關系分析中主觀性和隨意性大等問題。

技術方案：本發明所述的基于數值回歸的雙邊關系量化分析方法，包括以下步驟：

(1)根據以往事件對雙邊關系影響力的打分數據，所述打分數據包括了事件句和事件分值，對事件句進行事件提取和特征選擇，結合事件分值使用數值回歸的學習方法 形成事件打分模型；

(2)從當月兩國交互事件中提取當月兩國交互事件要素，進行特征選擇，輸入到所述事件打分模型中，獲得當月兩國交互事件分值；