改进KGAT的恐怖组织空间行为预测方法

作     者：韩竹轩 卜凡亮 侯智文 齐彬廷 曹恩奇 

作者机构：中国人民公安大学信息网络安全学院 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年

核心收录：

学科分类：030207[法学-国际关系] 03[法学] 0302[法学-政治学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国人民公安大学安全防范工程双一流专项(2023SYL08) 

主　　题：恐怖组织 注意力机制 空间行为预测 推荐系统 

摘      要：当前，恐怖主义已成为影响世界和平与发展的重要因素。分析恐怖袭击事件以提取有用信息，并预测恐怖组织的空间行为成为当下研究的热点之一。虽然已经有较多对于恐怖袭击空间预测的研究，但大多数方法在构建恐怖组织空间行为关系网络并显示提取高阶关系方面仍有提升空间。为解决这一问题，对恐怖组织空间行为预测问题建模，为由恐怖组织-袭击地点交互网络和袭击地点知识图构成的恐怖组织空间行为协同知识图，提出了一种基于改进KGAT（Knowledge Graph Attention Network for Recommendation）的恐怖组织空间行为预测方法KGCE(Knowledge Graph Recommendation of TransE)。该方法首先根据恐怖组织与袭击地点之间的交互关系及袭击地点的知识图谱，分别构建了恐怖组织-袭击地点交互网络及袭击地点知识图，通过将这两种网络结合，提出了一种基于社会-空间关系的恐怖组织空间行为协同知识图；其次改进了KGAT结构，在嵌入层中引入TransE模型以缓解模型过拟合问题，同时整体模型以端到端的方式，有效地对恐怖组织空间行为协同知识图中的高阶关系进行了建模。在公开数据集上通过与五个主流竞争基线进行对比，实验结果和分析表明，KGCE在恐怖组织空间行为预测准确度方面高于现有基线，其召回率最高提升7.14%，验证了本文框架的有效性与正确性。