论文部分内容阅读
随着大数据时代的到来,开源情报的分析与利用逐渐成为战争与非战争行动中的重要工作。网络媒体中海量的数据为开源情报的获取、分析与解析提供了丰富的资源,同时,网络空间本质上存在UDC(Uncertainty,Diversity,Complexity)特征,这些特征促使我们必须对传统的情报分析理论和技术进行重新思考。本文着力于探索建立一种基于人工社会,计算实验,平行执行(Artificial Societies,Computational Experiments,Parallel Execution,ACP)的领域开源情报激活框架模型。该框架以波普尔的“三世界”理论为基础,以布鲁克斯情报学知识方程为依据,以ACP理论方法为核心,形成一个描述、预测与诱导的开源情报解析体系。本文的主要研究工作包括以下几个方面:1.描述解析方面,本文从信息源、信息传播特性、信息产生群体的角度分析了情报产生环境的特性。提出基于网络“大V”的社会传感网构建方法,以快速获取领域数据;提出基于SI2R传染病信息模型的特定主题信息传播模型,用以描述领域信息传播方式;提出基于观点向量的潜在网络群体挖掘模型,用以理解信息产生群体的特性。2.预测解析方面,本文构建了网络媒体平台中的特定领域信息交互的人工社会模型。针对开源情报需求提出了基于场景预案的计算实验方法。以场景预案驱动预测情报信息发展趋势,对每种方案进行模拟计算。预测解析了突发状况下话题的发展趋势,敏感信息控制下的话题发展趋势等。3.诱导解析方面,本文实现了人工社会与现实系统的情报激活过程的平行互动分析与研究。一方面,通过面向情报需求的计算实验生成情报激活的可行方案,并对可行方案进行对比选优;另一方面,应用计算实验的结果将其策略在实际系统中贯彻执行,实时采集和计算情报激活情况。实验结果表明,通过计算实验的策略在现实系统中贯彻执行,可以有效的诱导话题向情报需求的方向发展,并且为进一步激活情报提供有力的线索依据。综上所述,本文针对开源情报解析问题进行建模和计算研究,提出了开源情报解析与诱导的相关概念、体系和方法,探索建立了一定的理论基础。