冲突的潮汐:基于高斯过程分解冲突趋势
机器学习
2025-06-10 v1 机器学习
应用统计
摘要
我提出了一种新方法,用于估计暴力冲突的时空模式。我展示了我们如何将高度细分的冲突事件数据与高斯过程相结合,用于估计冲突的时空趋势。这些趋势可以用于研究冲突陷阱、扩散和时空冲突暴露;也可以用于控制其他估计任务中的此类现象;最后,该方法允许我们将估计的时空冲突模式外推到未来的时间单元,从而实现强大、最先进的冲突预测。重要的是,仅通过单一数据源(过去的冲突模式)即可实现这些结果,构建了一个相对简约的框架。
引用
@article{arxiv.2506.06828,
title = {The Currents of Conflict: Decomposing Conflict Trends with Gaussian Processes},
author = {Simon P. von der Maase},
journal= {arXiv preprint arXiv:2506.06828},
year = {2025}
}
备注
Total Words: 8122, Total pages: 28, Total figures: 6, Total Tables: 5