基于深度学习的社会事件预测综述

人口层面的社会事件，如民众抗议与犯罪，往往对我们的日常生活产生重大影响。预测此类事件对于决策与资源分配至关重要。事件预测传统上一直具有挑战性，因为缺乏关于事件发生的真实原因与潜在机制的认知。近年来，事件预测研究取得显著进展，主要源于两方面原因：(1) 机器学习与深度学习算法的发展，以及 (2) 社交媒体、新闻来源、博客、经济指标及其他元数据等公共数据的可获取性。数据的爆发式增长与软硬件技术的显著进步，催生了深度学习技术在社会事件研究中的应用。本文致力于对用于社会事件预测的深度学习技术提供系统而全面的概述。我们聚焦于两类社会事件：\textit{民众抗议}与\textit{犯罪}。我们首先介绍事件预测问题如何被形式化为机器学习预测任务。然后，我们总结这些数据资源、传统方法以及针对这些问题的最新深度学习模型进展。最后，我们讨论社会事件预测中的挑战，并提出一些有前景的未来研究方向。