从新闻通讯到网络枢纽：利用基于文本的行动者嵌入和Transformer网络预测冲突动态

本研究通过将基于文本的行动者嵌入与Transformer模型相结合，在行动者层面预测暴力冲突模式的动态变化，从而推进了冲突预测领域的发展。具体而言，我们将新闻通讯文本与结构化冲突事件数据相结合，并利用自然语言处理（NLP）技术的最新进展，预测冲突行动者（如政府、民兵、分离主义运动和恐怖分子）之间的升级与降级。这种新方法能够准确且及时地捕捉暴力冲突固有的波动模式，而现有方法无法实现这一点。为了构建这一框架，我们首先整理并标注了一个庞大的国际新闻通讯语料库，利用了乌普萨拉冲突数据项目的手工标注事件数据。通过使用这种混合数据集，我们的模型能够融合新闻来源的文本语境以及结构化事件数据的精确性和细节。这种结合使我们能够对冲突发展做出动态且细粒度的预测。我们通过对历史事件进行严格回测来验证我们的方法，证明了其卓越的样本外预测能力。我们发现，我们的方法在识别和预测冲突升级与降级阶段方面非常有效，超越了传统模型的能力。通过关注行动者之间的互动，我们的明确目标是为政策制定者、人道主义组织和维和行动提供可操作的见解，以便实施有针对性的有效干预策略。