新加坡新闻的可视化与预测分析：基于GDELT、维基百科和^STI的实验

开源全球事件、语言与语调数据库（GDELT）是从国际新闻文章中提取重要术语的最全面、最新的大数据源。我们仅关注GDELT中与新加坡相关的事件，以更好地理解其新闻文章的数据质量、术语提取的准确性以及预测潜力。为测试新闻的完整性和有效性，我们将GDELT（1979年至2013年新加坡新闻文章术语）与维基百科的新加坡历史时间线进行了可视化比较。为测试术语提取的准确性，我们将GDELT（2013年4月至12月新加坡新闻文章文本的CAMEO代码和TABARI提取系统）与SAS文本挖掘器的术语和主题提取进行了可视化比较。为进行预测分析，我们提出了一种新颖的特征工程方法，将行级GDELT从文章转换为用户指定的时间分辨率。例如，我们使用决策树，利用GDELT每日特征值计数来预测新加坡股市的海峡时报指数（^STI）。上述结果中具有实际意义的是，SAS可视化分析能够突出显示2013年6月东南亚雾霾和2013年12月小印度骚乱对新加坡的各种影响。尽管新加坡作为一个主权城市国家具有独特性，是一个领先的金融中心，具有强大的国际影响力，并且人口高度多元文化，但本文报告的可视化和预测分析高度适用于其他国家的GDELT数据。