摘要
为预测恐怖袭击事件的嫌疑组织,选取全球恐怖主义数据库;基于恐怖袭击事件发生的时间特性,采用2014-2016年发生的恐怖袭击数据作为训练集,对2017年发生的恐怖袭击事件的发动组织进行分类预测.采用综合采样技术平衡训练集数据,运用双向循环神经网络学习数据集的时间特性,结合自注意力机制,构建基于自注意力机制的双向门控循环神经网络组合模型,对恐怖袭击事件的犯罪嫌疑组织进行分类预测,并将该模型与引入注意力机制的神经网络模型进行对比.研究表明,该模型在预测恐怖袭击事件的犯罪嫌疑组织上具有更高的分类精度,能够为警方快速侦破恐怖袭击案件提供有价值的信息.
NETL
NSTL
维普
万方数据