基于MacBERT-BiLSTM-CRF的反恐领域细粒度实体识别

为验证基于深度学习的命名实体识别框架在反恐领域的有效性,参照ACE 2005实体标注规范,制订了细粒度反恐实体标签体系,构建了反恐实体语料集Anti-Terr-Corpus;提出基于MacBERT-BiLSTM-CRF的实体识别模型,通过能减少预训练和微调阶段差异的MacBERT(masked language modeling as correction bidirectional encoder representations from transformers)预训练语言模型获得动态字向量表达,送入双向长短时记忆(bidirectional long short-term memory, BiLSTM)和条件随机场(conditional random field, CRF)进行上下文特征编码和解码得到最佳实体标签;替换框架中的预训练语言模型进行对比实验。实验表明该模型可以有效获取反恐新闻中的重要实体。对比BiLSTM-CRF模型,MacBERT的加入提高了24.5%的F_1值;保持编码-解码层为BiLSTM-CRF时,加入MacBERT比加入ALBERT(a lite BERT)提高了5.1%的F_1值。可见,深度学习有利于反恐领域实体识别,能够利用公开反恐新闻文本为后续反恐形势预判服务,同时有助于反恐领域信息提取、知识图谱构建等基础性任务。     

联合国在反恐中的地位和作用

目前恐怖主义已公认为全球性的问题,然而在反恐中联合国的地位和作用遇到了前所未有的巨大挑战,这对打击日益严重的恐怖主义活动是极为不利的.事实和实践证明,联合国应在打击恐怖主义中发挥主导作用.     

"东突"恐怖分裂势力制造国际影响研究

论述了“东突”问题的由来,阐述了“东突”恐怖分裂势力的性质,对“东突”恐怖分裂组织制造国际影响的表现进行了剖析,同时提出了应对“东突”恐怖分裂势力制造国际影响的策略。     

引入信号装置的地铁安检反恐博弈模型

地铁运输面临着提高安检通过效率、加强地铁安全及降低乘客安检成本的需求权衡.通过在安检处加载可诱导潜在袭击者执行"主动丢弃"策略的信号装置,构建了地铁安检部门与潜在袭击者之间的地铁安检反恐博弈模型,实现了对安检通过效率的动态调节,基于对乘客淤滞风险的研究,提出了客流淤滞分级响应机制,并得出了安检部门的策略触发条件.通过分析得出,当潜在袭击者自弃效用低于预期时,安检部门应执行"更新较强信号"策略;当自弃效用高于预期,但安检通过效率低于预期时,应执行"更新较强信号"策略;当自弃效用和安检通过效率均高于预期时,应执行"更新较弱信号"策略;当自弃效用和安检通过效率均满足预期时,应执行"不更新"策略.加载信号装置并引入客流淤滞分级响应机制后,乘客的淤滞量明显变小、排队成本大幅下降、乘客安检成本显著降低.     

不确定环境下国际反恐联盟随机演化博弈模型

国际反恐联盟成员国反恐决策面临着大国政治角逐、宗教信仰与民族结构等外部复杂的随机性因素影响,为国际反恐局势带来了高度的不确定性.本文针对高度不确定环境下国际反恐态势,构建了基于Moran过程的随机演化模型,分别计算出随机因素主导、期望收益主导和超期望收益主导三种情境下,反恐联盟成员国政府反恐策略在不同随机干扰强度下的均衡结果.研究表明,反恐联盟成员国政府采取"先发制人"或"被动反应"的反恐决策,主要取决于三个因素:1)外部随机性因素;2)反恐联盟的规模;3)不同反恐策略的成本收益.如果随机因素造成非理性决策占据主导地位,则两种策略的成本收益和成员国数量决定了成员国策略选择.如果期望收益占据决策主导地位,只有当反恐联盟的成员国数量大于一定的临界规模时,"先发制人"反恐策略才会成为所有成员国的普遍共识.否则,"被动反应"的反恐搭便车行为将成为稳定状态.     

中美反恐情报工作比较研究

近年来，中国和美国的反恐情报工作在不断完善中逐渐成熟。对中国和美国反恐情报工作中的反恐情报作用对象、反恐情报机构、反恐情报法律体系以及反恐情报合作进行了比较研究，以期对中国的反恐情报工作有所启示。