基于EE與改進(jìn)DBN的國家雙邊關(guān)系預(yù)測

彭俊利，姜曉夏，張 震，谷 雨+

(1.杭州電子科技大學(xué) 通信信息傳輸與融合技術(shù)國防重點(diǎn)學(xué)科實(shí)驗(yàn)室，浙江 杭州 310018；2.中國電子科技集團(tuán)公司第二十八研究所 信息系統(tǒng)工程重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210000)

0 引 言

隨著時(shí)代的發(fā)展，各國之間的沖突與摩擦逐漸增多，影響著國家雙邊關(guān)系的變化[1]。為使相關(guān)國家能夠提前采取應(yīng)對措施，對國家雙邊關(guān)系的預(yù)測刻不容緩。動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)是知識(shí)表達(dá)與概率化推理的重要工具，被廣泛應(yīng)用于具有動(dòng)態(tài)性、不確定性等特點(diǎn)的各類問題中，如網(wǎng)絡(luò)輿情危機(jī)預(yù)測、突發(fā)事件情景推演等[2]。鞏前勝[2]選取情景狀態(tài)、應(yīng)急活動(dòng)等為關(guān)鍵要素，分析突發(fā)事件情景演化規(guī)律與路徑，運(yùn)用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)構(gòu)建突發(fā)事件情景網(wǎng)絡(luò)，推理情景發(fā)展趨勢。楊靜等[3]對網(wǎng)絡(luò)輿情主體、客體與媒體3個(gè)要素進(jìn)行分析，構(gòu)建了基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情危機(jī)預(yù)測模型，以“教科書式老賴”為例驗(yàn)證了模型有效性。

國家雙邊關(guān)系的預(yù)測研究是國際關(guān)系領(lǐng)域的重點(diǎn)研究內(nèi)容。就該問題，我國大部分的預(yù)測研究都是定性研究[4]，直到文獻(xiàn)[5]對事件數(shù)據(jù)分析法進(jìn)行改進(jìn)，提出國家雙邊關(guān)系定量衡量方法后，用統(tǒng)計(jì)學(xué)方法分析國家雙邊關(guān)系的研究才逐漸增多。文獻(xiàn)[6]在分析1990年以來與戰(zhàn)爭相關(guān)的新聞數(shù)據(jù)后，成功應(yīng)用邏輯回歸模型對167個(gè)國家的40多萬條新聞數(shù)據(jù)進(jìn)行分析，通過相關(guān)新聞報(bào)道的數(shù)量變化預(yù)測了沖突行為的發(fā)展趨勢。目前對國家雙邊關(guān)系的研究中，多數(shù)未考慮其它國家對某兩國雙邊關(guān)系變化是否產(chǎn)生影響，但往往某兩國雙邊關(guān)系會(huì)受到其他國家的影響。例如在南海爭端問題中共有中國、美國、日本、菲律賓等八大參與國，國家雙邊關(guān)系不可能是相互獨(dú)立的，如中菲雙邊關(guān)系可能會(huì)受到中美、中日等雙邊關(guān)系的影響。傳統(tǒng)預(yù)測方法未考慮這一問題，無法預(yù)測多國參與的事件中某兩國的雙邊關(guān)系，并且傳統(tǒng)預(yù)測方法僅預(yù)測某兩國雙邊關(guān)系的相關(guān)數(shù)值，從預(yù)測出的雙邊關(guān)系數(shù)值中無法得出造成這一趨勢的影響因素。

針對以上問題，本文考慮國家雙邊關(guān)系具有動(dòng)態(tài)性、不確定性等特點(diǎn)，將DBN引入國家雙邊關(guān)系預(yù)測時(shí)，提出了融合事件抽取、時(shí)序貢獻(xiàn)度與動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的國家雙邊關(guān)系預(yù)測方法。以南海爭端問題中我國與其他參與國的雙邊關(guān)系為例，驗(yàn)證了提出方法的可行性。

1 基于EE與TCs-DBN的國家雙邊關(guān)系預(yù)測方法

參考文獻(xiàn)[5]提出的方法建立事件分值表，構(gòu)建用于事件抽取的事件模板。當(dāng)采用DBN進(jìn)行國家雙邊關(guān)系預(yù)測時(shí)，本文做了兩方面改進(jìn)：①將事件抽取技術(shù)引入事件數(shù)據(jù)分析法，應(yīng)用事件抽取技術(shù)代替人工提取事件；②由于國家雙邊關(guān)系發(fā)展變化的時(shí)間相關(guān)性，本文提出了時(shí)序貢獻(xiàn)度(TCs)，通過融合TCs與DBN，提高了預(yù)測準(zhǔn)確率。

1.1 事件數(shù)據(jù)分析法

事件數(shù)據(jù)分析法是國際關(guān)系領(lǐng)域中進(jìn)行定量分析的方法[5]。它從新聞報(bào)道、歷史資料等多源信息中提取出對雙邊關(guān)系有影響力的相關(guān)事件，構(gòu)建事件數(shù)據(jù)庫，再通過一定的統(tǒng)計(jì)分析方法，嘗試尋找出雙邊關(guān)系的變化規(guī)律和趨勢[5]。

文獻(xiàn)[5]改進(jìn)的事件數(shù)據(jù)分析法是相關(guān)學(xué)界認(rèn)可度較高的用于定量衡量國家雙邊關(guān)系的方法，其制定了一個(gè)衡量中外雙邊關(guān)系的分值表，并根據(jù)分值表制定了如圖1所示的國家雙邊關(guān)系數(shù)值標(biāo)準(zhǔn)。由圖1可知，文獻(xiàn)[5]將雙邊關(guān)系量化為了對抗、緊張等6種程度。在傳統(tǒng)方法中，預(yù)測結(jié)果多為數(shù)值，為了使結(jié)果更加直觀，本文將這6種程度作為預(yù)測結(jié)果。針對事件數(shù)據(jù)分析法中人工提取事件效率低下、自動(dòng)化程度低等不足，本文采用基于規(guī)則匹配的事件抽取方法代替人工篩選有價(jià)值的事件，以提高效率。

圖1 國家雙邊關(guān)系數(shù)值標(biāo)準(zhǔn)

1.2 融合時(shí)序貢獻(xiàn)度的DBN網(wǎng)絡(luò)

由于國家雙邊關(guān)系不確定性因素與時(shí)序數(shù)據(jù)中時(shí)間片之間關(guān)聯(lián)性的存在，本文提出了一種計(jì)算時(shí)間片貢獻(xiàn)度的方法，并將貢獻(xiàn)度與DBN中的節(jié)點(diǎn)相融合，通過節(jié)點(diǎn)調(diào)節(jié)減少網(wǎng)絡(luò)觀測變量中的不確定性信息，提高整體性能。

(1)時(shí)序貢獻(xiàn)度

劉濤等[7]提出了單詞貢獻(xiàn)度(term contribution，TC)，用于篩選數(shù)據(jù)集中具有表征性的特征詞，但單詞貢獻(xiàn)度僅考慮了其在文本中的重要程度，無法用于時(shí)序數(shù)據(jù)中。針對這一問題，本文提出了時(shí)序貢獻(xiàn)度(TCs)，用于計(jì)算時(shí)序數(shù)據(jù)在各時(shí)間片中的權(quán)值，降低不確定性與噪聲數(shù)據(jù)的干擾，TCs計(jì)算步驟如下：

步驟1 對數(shù)據(jù)庫所有數(shù)據(jù)進(jìn)行分詞、去除停用詞等操作，按文獻(xiàn)[7]中方法計(jì)算所有單詞的單詞貢獻(xiàn)度TC值；

步驟2 將單詞按TC值進(jìn)行降序排列，設(shè)定閾值x，提取TC值大于x的單詞構(gòu)建特征集合；

步驟3 將數(shù)據(jù)庫數(shù)據(jù)按月劃分，提取每月數(shù)據(jù)中的特征詞及其頻次(特征詞是步驟2中特征集合中的單詞)，并將當(dāng)月所有特征詞相加求取平均值作為當(dāng)月時(shí)序貢獻(xiàn)度TCs值。例如，從t月的所有新聞報(bào)道中提取了3個(gè)特征詞w1、w2、w3，出現(xiàn)頻率分別為3、2、1，設(shè)w1、w2、w3的單詞貢獻(xiàn)度分別為TC1、TC2、TC3，則t月時(shí)序貢獻(xiàn)度TCst值為

(1)

(2)改進(jìn)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)

動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)就是以概率網(wǎng)絡(luò)為基礎(chǔ)，把貝葉斯網(wǎng)絡(luò)(Bayesian networks，BN)與時(shí)間信息相融合，形成的可以處理時(shí)序問題的隨機(jī)模型[3,8]。其包含兩個(gè)一階馬爾可夫假設(shè)與同構(gòu)性假設(shè)，本質(zhì)就是BN在時(shí)間軸上的展開式[9]。假設(shè)有T個(gè)時(shí)間片，有n個(gè)隱藏節(jié)點(diǎn)和m個(gè)觀測節(jié)點(diǎn)，計(jì)算公式如式(2)所示

(2)

在式(2)中，xij表示第i個(gè)時(shí)間片的第j個(gè)隱藏節(jié)點(diǎn)的狀態(tài)；yij為觀測值，Pa(yij)為yij的父節(jié)點(diǎn)集合[10,11]。

本文將時(shí)序貢獻(xiàn)度融入式(2)，提出融合時(shí)序貢獻(xiàn)度的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(TCs-DBN)，本文將雙邊關(guān)系信息設(shè)置為DBN節(jié)點(diǎn)，因貝葉斯網(wǎng)絡(luò)具有條件獨(dú)立性假設(shè)，融合時(shí)序貢獻(xiàn)度就是將同一時(shí)間片的雙邊關(guān)系信息與時(shí)序貢獻(xiàn)度權(quán)值相乘，即把式(2)變?yōu)槭?3)

(3)

式中：TCsij表示第i時(shí)間片下第j個(gè)節(jié)點(diǎn)的TCs，同一時(shí)間片下所有節(jié)點(diǎn)的TCs相同，均為通過i時(shí)間片內(nèi)數(shù)據(jù)計(jì)算得到的貢獻(xiàn)度。

本文使用基于評(píng)分搜索的結(jié)構(gòu)學(xué)習(xí)法學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，即給定數(shù)據(jù)集D，通過學(xué)習(xí)找出與D最匹配的網(wǎng)絡(luò)結(jié)構(gòu)S，使用評(píng)分函數(shù)來表示“匹配”情況，即用S上的概率表示[12]，如式(4)所示

(4)

其中，θ表示網(wǎng)絡(luò)中的參數(shù)。

1.3 改進(jìn)國家雙邊關(guān)系預(yù)測模型構(gòu)建步驟

本文所提方法用于預(yù)測多國參與的國際事件中某兩國之間的雙邊關(guān)系，在所有參與國中尋找出所指定的某兩國雙邊關(guān)系進(jìn)行預(yù)測。根據(jù)上述算法的介紹，本文所提方法的整體流程可設(shè)計(jì)為如下步驟：

步驟1 對數(shù)據(jù)來源進(jìn)行選擇，并將獲取的可靠數(shù)據(jù)存入數(shù)據(jù)庫。從概率論與統(tǒng)計(jì)學(xué)的角度來說，無需窮盡所有公開數(shù)據(jù)來源，只要所選數(shù)據(jù)來源可靠即可[5]。

步驟2 對新聞數(shù)據(jù)進(jìn)行預(yù)處理，找出所有參與國，并以文獻(xiàn)[5]中的事件分值基準(zhǔn)表為基礎(chǔ)，由專家構(gòu)建本研究所需的事件分值表。

步驟3 根據(jù)步驟2構(gòu)建的分值表定義事件模板，采用基于模板匹配的事件抽取技術(shù)將數(shù)據(jù)集中所有匹配的事件抽取出來存入數(shù)據(jù)庫，存放字段包括時(shí)間、發(fā)起者、承受者、事件句、事件所屬類型、事件得分等字段。

步驟4 按月將事件轉(zhuǎn)化為對應(yīng)分值，即將當(dāng)月發(fā)生的所有事件的分值相加求平均，獲得當(dāng)月的事件總分值(若有多國參與，則分別計(jì)算兩兩國家之間的事件總分值以及雙邊關(guān)系值)，然后將事件總分值轉(zhuǎn)換為對雙邊關(guān)系的影響值。

步驟5 將步驟4中得出的影響值與上個(gè)月雙邊關(guān)系分值相加，得到當(dāng)月雙邊關(guān)系值(初始月雙邊關(guān)系值就是事件總分值)。

步驟6 將當(dāng)月雙邊關(guān)系分值映射到第1.1小節(jié)中圖1所示的國家雙邊關(guān)系數(shù)值標(biāo)準(zhǔn)的各區(qū)間內(nèi)，如兩國雙邊關(guān)系分值為-2，則兩國處于“不和”關(guān)系。

步驟7 按第1.2節(jié)中所述方法計(jì)算每月的時(shí)序貢獻(xiàn)度TCs值。

步驟8 首先將步驟6所得的前n個(gè)月的各參與國兩兩之間的雙邊關(guān)系(如無特殊情況，下文所說的“雙邊關(guān)系”均指步驟6所得的結(jié)果)按時(shí)間序列排序，作為節(jié)點(diǎn)輸入DBN模型，使用BIC測量機(jī)制尋找雙邊關(guān)系之間的因果網(wǎng)，在訓(xùn)練與預(yù)測各參與國兩兩之間的雙邊關(guān)系時(shí)，將步驟7所得的TCs值與DBN相融合，以降低雙邊關(guān)系的不確定性，提高準(zhǔn)確率。

例如構(gòu)建中國與美國、日本、菲律賓的雙邊關(guān)系預(yù)測模型，使用T月預(yù)測T+1月，則模型在訓(xùn)練DBN和預(yù)測時(shí)輸入格式見表1。第一行告訴DBN輸入時(shí)間片個(gè)數(shù)，節(jié)點(diǎn)個(gè)數(shù)以及節(jié)點(diǎn)信息，如“中美_T”表示在T月的中美雙邊關(guān)系節(jié)點(diǎn)。第二行開始為對應(yīng)節(jié)點(diǎn)的數(shù)據(jù)，用于訓(xùn)練DBN模型。預(yù)測時(shí)，輸入格式與訓(xùn)練DBN時(shí)輸入格式相同，輸出為按表1順序排列的T+1月中國與其他四國的雙邊關(guān)系。

表1 DBN輸入格式

所提方法整體流程如圖2所示。

圖2 國家雙邊關(guān)系預(yù)測流程

2 南海爭端中的國家雙邊關(guān)系預(yù)測及結(jié)果分析

本文以南海爭端為例驗(yàn)證提出方法的有效性。南海爭端由來已久，是世界上最復(fù)雜的島嶼主權(quán)與海洋管轄權(quán)爭奪戰(zhàn)。近年來，域外大國為謀求自身利益，插手南海事務(wù)，侵犯了我國的主權(quán)。研究針對南海爭端中我國與其他參與國之間的雙邊關(guān)系，可提前制定相應(yīng)對策維護(hù)我國主權(quán)。

2.1 雙邊關(guān)系預(yù)測模型構(gòu)建

南中國海地理位置特殊、資源稟賦，一直是諸多國家間利益博弈的焦點(diǎn)，但在南海爭端中，相關(guān)事件發(fā)生的并不頻繁，少則相隔一月，多則相隔數(shù)月。因此，根據(jù)這一情況和本文所獲取的相關(guān)數(shù)據(jù)量，本文選擇了“月”作為時(shí)間片單位(多數(shù)相關(guān)研究都是以“月”為時(shí)間片單位，例如文獻(xiàn)[5])。本文構(gòu)建T-1、T月數(shù)據(jù)預(yù)測T+1月國家雙邊關(guān)系預(yù)測模型。選取以“南?！?、“十二海里”、“島礁”等為關(guān)鍵詞，通過網(wǎng)絡(luò)爬蟲技術(shù)從新華社、環(huán)球網(wǎng)、中新網(wǎng)、人民網(wǎng)等新聞網(wǎng)站采集了2013年至2018年與南海爭端相關(guān)的新聞16 407條作為實(shí)驗(yàn)分析數(shù)據(jù)進(jìn)行研究。

根據(jù)采集數(shù)據(jù)，由專家定義針對南海爭端的事件分值表，共定義了20大類事件，其中包含了511小類事件。部分事件分值見表2。

表2 南海爭端事件分值表部分內(nèi)容

根據(jù)事件分值表中的事件類型構(gòu)建事件抽取規(guī)則模板。因?yàn)橹骺腕w及觸發(fā)詞在句子中的表達(dá)方式存在多樣性，本文定義了603個(gè)事件抽取匹配規(guī)則，對于給定任意包含511小類事件的事件句，均有唯一的事件類型與之對應(yīng)。將新聞數(shù)據(jù)按條輸入，進(jìn)行事件抽取后，輸出對應(yīng)事件句、時(shí)間、發(fā)起者、承受者、事件類型、事件得分等內(nèi)容，并存入數(shù)據(jù)庫。從16 407條新聞中總共匹配出35 667個(gè)事件，匹配模式見表3。其中，source表示事件句中的發(fā)起者，target表示事件句中的承受者。

表3 事件匹配模式

根據(jù)事件抽取結(jié)果，分別將中國與其他七國的雙邊關(guān)系計(jì)算出來。例如，計(jì)算中日雙邊關(guān)系時(shí)，從已經(jīng)抽取好的35 667個(gè)事件句中篩選出發(fā)起者和承受者是中國與日本的事件，將篩出的事件按月劃分，先按步驟4獲取每月事件總分值，再按步驟5獲取當(dāng)月雙邊關(guān)系得分，最后按步驟6獲取中日每月雙邊關(guān)系。

按步驟7提取特征單詞，經(jīng)過多次嘗試，提取經(jīng)過降序排列的前130個(gè)單詞構(gòu)建特征集效果較好，部分特征單詞及其貢獻(xiàn)度見表4。

表4 部分特征詞及其貢獻(xiàn)度

按步驟8以2013年1月至2017年12月數(shù)據(jù)訓(xùn)練DBN，學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)。為保證學(xué)習(xí)效率和網(wǎng)絡(luò)質(zhì)量，本文限制每個(gè)節(jié)點(diǎn)在上一時(shí)間片中的父節(jié)點(diǎn)數(shù)目最多為1。將訓(xùn)練數(shù)據(jù)按表1所示格式輸入DBN，采用評(píng)分搜索法搜索最佳網(wǎng)絡(luò)結(jié)構(gòu)圖。融合每月的TCs值計(jì)算節(jié)點(diǎn)間轉(zhuǎn)移概率，獲得TCs-DBN模型。最終獲得的因果網(wǎng)絡(luò)結(jié)構(gòu)如圖3(a)所示。還原圖3(a)中各國之間因果關(guān)系如圖3(b)所示。從圖3可以看出，學(xué)習(xí)出的因果關(guān)系網(wǎng)具有一定的合理性。例如，中日沖突行為除了受到上一時(shí)間片中日沖突行為對其影響外，還受到了當(dāng)前時(shí)間片中美沖突的影響，這與實(shí)際是相符合的，因?yàn)槿毡驹谀现袊Ｗ龀龅男袨榇蠖鄶?shù)是為了響應(yīng)美國，但是該因果關(guān)系網(wǎng)也具有不足之處，比如中俄沖突行為未學(xué)習(xí)到上一時(shí)間片中俄沖突行為對其的影響。為了進(jìn)一步說明圖3，本文在2.2節(jié)中對部分結(jié)果進(jìn)行了詳細(xì)分析。

圖3 DBN所學(xué)各國雙邊關(guān)系因果

加載TCs-DBN模型，預(yù)測2018年1月至10月的中國與其他七國的雙邊關(guān)系。按表1格式輸入T-1、T月中國與其他七國雙邊關(guān)系，輸出T+1月中國與其他七國雙邊關(guān)系，最終整體預(yù)測準(zhǔn)確率為75.7%，詳細(xì)結(jié)果見表5。其中，-3、-2、-1、1、2、3分別表示對抗、緊張、不和、普通、良好、友好。

表5 中國與其他七國雙邊關(guān)系預(yù)測結(jié)果

為驗(yàn)證TCs-DBN，本文保持所有條件相同，用DBN進(jìn)行了預(yù)測，整體準(zhǔn)確率為68.65%，預(yù)測結(jié)果對比圖如圖4 所示。由圖4可知，本文TCs-DBN比DBN預(yù)測準(zhǔn)確率高，但在某些節(jié)點(diǎn)，如CHN、PHL并沒有提升，原因可能是在TCs-DBN中并未對因果網(wǎng)絡(luò)的學(xué)習(xí)進(jìn)行改進(jìn)，雖然某些節(jié)點(diǎn)的不確定性因素得到了調(diào)整，但網(wǎng)絡(luò)中不健全的因果關(guān)系導(dǎo)致預(yù)測精度在某些節(jié)點(diǎn)中無法提高。在概率轉(zhuǎn)移路徑中，中美雙邊關(guān)系條件概率表見表6。由表6可知，中美雙邊關(guān)系在上一時(shí)間片的雙邊關(guān)系程度值延續(xù)到下一時(shí)間片的概率值最大，這說明了中美雙邊關(guān)系是較為穩(wěn)定的，從數(shù)據(jù)中也可以看出中美雙邊關(guān)系一直處于對抗?fàn)顟B(tài)，較為穩(wěn)定。但由這種較為穩(wěn)定的數(shù)據(jù)訓(xùn)練出來的模型也有缺點(diǎn)，當(dāng)中美關(guān)系發(fā)生突變時(shí)，模型無法預(yù)測。由于中國與其它國家雙邊關(guān)系的條件概率表數(shù)據(jù)較多，這里不再羅列。

表6 中美雙邊關(guān)系條件概率

圖4 TCs-DBN與DBN預(yù)測對比

考慮到不同時(shí)間片的事件可能對預(yù)測結(jié)果產(chǎn)生不同的影響，本文又分別構(gòu)建了T月數(shù)據(jù)預(yù)測T+1月和T-2、T-1、T月數(shù)據(jù)預(yù)測T+1月的國家雙邊關(guān)系預(yù)測模型，得到預(yù)測準(zhǔn)確率分別為58.6%、67.1%。由結(jié)果可知，采用兩個(gè)月進(jìn)行預(yù)測時(shí)準(zhǔn)確率最高，采用一個(gè)月預(yù)測時(shí)準(zhǔn)確率最低。造成這一結(jié)果的原因可能是T+1月的國家雙邊關(guān)系不光受到T月事件的影響，T-1、T-2甚至T-n(n>2) 月發(fā)生的事件都會(huì)對其產(chǎn)生影響，但采用T-2、T-1、T月數(shù)據(jù)進(jìn)行預(yù)測時(shí)準(zhǔn)確率卻沒有采用T-1、T月數(shù)據(jù)進(jìn)行預(yù)測的準(zhǔn)確率高，這一結(jié)果說明了新聞的時(shí)效性，越早的新聞?dòng)绊懸蜃涌赡茉叫?，甚至?xí)鸬礁蓴_作用。

2.2 結(jié)果分析

由圖3(b)可知中美雙邊關(guān)系僅受上一時(shí)間片中美雙邊關(guān)系的影響，中日雙邊關(guān)系受到了上一時(shí)間片中日雙邊關(guān)系和同時(shí)間片中美雙邊關(guān)系的影響。同時(shí)，中菲雙邊關(guān)系也受到了上一時(shí)間片中菲雙邊關(guān)系和當(dāng)前時(shí)間片中美雙邊關(guān)系的影響。針對該結(jié)果，本文畫出了中美、中日、中菲雙邊關(guān)系對比折線圖如圖5所示，并進(jìn)行了分析。

圖5 中美、中日、中菲雙邊關(guān)系分值折線

從圖5(a)可以看出中美雙邊關(guān)系與中日雙邊關(guān)系的走勢十分相似。查閱資料得知，日本對南海爭端的介入與美國的態(tài)度相關(guān)。例如，資料中顯示，2015年以來美國把有爭議的島嶼納入其監(jiān)視偵察的范圍，隨后，日本將自衛(wèi)隊(duì)加入美軍在南中國海上空的巡邏[13]。種種類似事件導(dǎo)致了中日雙邊關(guān)系曲線跟中美雙邊關(guān)系曲線十分相似。

從圖5(b)可以看出2013年1月至2015年7月中菲雙邊關(guān)系處于對抗?fàn)顟B(tài)，資料顯示，2012年美菲舉行會(huì)談，美國支持菲律賓發(fā)起仲裁案；2013年1月，菲律賓提起針對中國的仲裁[14]。這是導(dǎo)致2013年至2015年中菲處于對抗關(guān)系的主要原因。2015年下半年中菲雙邊關(guān)系開始回升，并在2016年達(dá)到友好狀態(tài)，這也與相關(guān)資料記載的事實(shí)相符合。

由以上分析可知，中日、中菲雙邊關(guān)系確實(shí)受到了美國的影響。本文又對圖3(b)中其他關(guān)系進(jìn)行了分析，所得結(jié)論與實(shí)際情況大致相符。所以，DBN學(xué)習(xí)到的因果網(wǎng)絡(luò)對制定合理的戰(zhàn)略決策有一定參考意義。

從表5可知，在10個(gè)月的預(yù)測中，中美、中日、中菲、中越、中俄雙邊關(guān)系預(yù)測效果良好，說明DBN能有效對國家雙邊關(guān)系進(jìn)行預(yù)測。中印、中澳雙邊關(guān)系預(yù)測準(zhǔn)確率較低，這可能是由于相關(guān)事件數(shù)據(jù)較少，導(dǎo)致學(xué)習(xí)到的網(wǎng)絡(luò)不完善。中印、中澳雙邊關(guān)系還可能受到了其他國家的影響，因果網(wǎng)中這一影響的缺失可能是導(dǎo)致中印、中澳雙邊關(guān)系預(yù)測準(zhǔn)確率較低的原因，并且由圖3可以看出，DBN也沒有學(xué)習(xí)到中俄雙邊關(guān)系在不同時(shí)間片間的聯(lián)系。

總體而言，該方法在南海爭端中整體預(yù)測效果良好，驗(yàn)證了方法的有效性，結(jié)合學(xué)習(xí)出的因果網(wǎng)，可制定合理的戰(zhàn)略計(jì)劃，為引導(dǎo)雙邊關(guān)系的發(fā)展提供參考。

3 結(jié)束語

本文構(gòu)建了基于EE與TCs-DBN的國家雙邊關(guān)系預(yù)測模型來預(yù)測未來一個(gè)月的國家雙邊關(guān)系，根據(jù)TCs-DBN學(xué)習(xí)到的因果網(wǎng)與預(yù)測結(jié)果，可以提前制定合理的戰(zhàn)略應(yīng)對雙邊關(guān)系變化帶來的影響以及引導(dǎo)雙邊關(guān)系的變化趨勢。以南海爭端為例，本模型學(xué)習(xí)到了合理的中國與其他七國雙邊關(guān)系的因果網(wǎng)，并能夠有效預(yù)測未來一個(gè)月中國與其他7個(gè)參與國的雙邊關(guān)系，驗(yàn)證了本模型的有效性。但TCs-DBN學(xué)習(xí)的因果網(wǎng)未能體現(xiàn)出所有的因果關(guān)系，導(dǎo)致部分雙邊關(guān)系的預(yù)測準(zhǔn)確率偏低。在今后研究中，可以優(yōu)化DBN網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)方法，以提高預(yù)測準(zhǔn)確率。