大数据背景下的恐怖主义信息传播途径分析

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (1): 88-95.

大数据背景下的恐怖主义信息传播途径分析

孙学诚^a，陈前^a，唐家骏^a，石小川^b

武汉大学a．计算机学院; b．国家网络安全学院，武汉430072

出版日期:2019-01-24 发布日期:2019-05-09
作者简介:孙学诚( 1997— ) ，男，上海人，武汉大学本科生，主要从事自然语言处理研究，( Tel) 86-17717411795 ( E-mail)zelda2013e3@163． com; 石小川( 1984— ) ，男，武汉人，武汉大学副教授，主要从事无线网络、数据挖掘以及大数据信息聚类分析、舆情监控等研究，( Tel) 86-13507180716( E-mail) shixiaochuan@ whu． edu． cn。
基金资助:
国家社会科学基金青年基金资助项目( 16CXW034)

Analysis on Spread of Terrorism through Media in Era of Big Data

SUN Xuecheng^a，CHEN Qian^a，TANG Jiajun^a，SHI Xiaochuan^b

a． School of Computer Science; b． School of Cyber Science and Engineering，Wuhan University，Wuhan 430072，China

Online:2019-01-24 Published:2019-05-09

摘要/Abstract

摘要： 为加强对互联网以及社交媒体的恐怖主义信息的甄别和处理，利用数据的爬取和分析甄别，分类恐怖主义信息。通过scrappy 框架以及gensim 工具包对数据进行爬取，得到了4 个数据集，并且进行LDA( Latent Dirichlet Allocation) 主题模型的建立，分别得到恐怖主义信息传播在4 个不同领域中的主题分类，以及主题间的关系。实验表明，通过爬取可以有效鉴别出不同的恐怖主义信息主题，以及其在传播中的作用。

关键词: 恐怖主义, 大数据, 网络爬虫, 主题分析

Abstract: Improving screening and addressing terrorist information in social media becomes a critical topic of research． Our study uses data crawlers and screening analysis to classify different terrorist information． Through scrappy framework and genism tool pack，we obtained the relevant data from four datasets． After constructing a LDA ( Latent Dirichlet Allocation) theme model，we then classified several themes in four different area that played major roles in propagating terrorism，and investigated the interconnected relationship between these themes． The experiment indicates that the model can effectively distinguish different themes of terrorism information and the role it played in propagation．

Key words: terrorism, big data, web crawler, theme analysis

中图分类号:

TP391

孙学诚, 陈前, 唐家骏, 石小川. 大数据背景下的恐怖主义信息传播途径分析[J]. 吉林大学学报(信息科学版), 2019, 37(1): 88-95.

SUN Xuecheng, CHEN Qian, TANG Jiajun, SHI Xiaochuan. Analysis on Spread of Terrorism through Media in Era of Big Data[J]. Journal of Jilin University (Information Science Edition), 2019, 37(1): 88-95.

[1]	祁蔚茹, 毕鹏. 基于并行聚类算法的区域经济大数据集成分类方法 [J]. 吉林大学学报(信息科学版), 2025, 43(5): 1144-1150.
[2]	彭建祥. 深度学习模式下大数据特征集成分类算法[J]. 吉林大学学报(信息科学版), 2025, 43(2): 231-237.
[3]	李民, 陈普建, 陈秀云, 贺佳彦. 基于 5G 网络的设备大数据传输负载优化算法 [J]. 吉林大学学报(信息科学版), 2025, 43(2): 445-450.
[4]	唐锴令, 郑皓. 基于改进ID3 算法的非结构化大数据分类优化方法 [J]. 吉林大学学报(信息科学版), 2024, 42(5): 894-900.
[5]	唐灵逸, 唐怡雯, 李蓓蓓. 改进决策树算法的大数据分类优化方法[J]. 吉林大学学报(信息科学版), 2024, 42(5): 959-965.
[6]	刘晓燕, 翟建国. 空间自回归模型下不完整大数据缺失值插补算法[J]. 吉林大学学报(信息科学版), 2024, 42(2): 312-317.
[7]	颜远海, 杨莉云. 基于迁移学习的非结构化大数据缺失值插补算法[J]. 吉林大学学报(信息科学版), 2024, 42(2): 372-377.
[8]	魏亚明, 孟媛. 基于随机森林模型的不平衡大数据分类算法 [J]. 吉林大学学报(信息科学版), 2023, 41(6): 1079-1085.
[9]	李雪琛, 张齐. 开源网络空间大数据暴力破解攻击识别算法设计 [J]. 吉林大学学报(信息科学版), 2023, 41(6): 1086-1092.
[10]	滕飞, 刘洋, 曹芙 . 基于节点实时负载的开源大数据负载均衡优化算法 [J]. 吉林大学学报(信息科学版), 2023, 41(6): 1106-1111.
[11]	王福德, 宋海龙, 孙小海, 陈雷. 多源异构教育大数据挖掘与应用平台[J]. 吉林大学学报(信息科学版), 2023, 41(5): 922-929.
[12]	买尔丹·祖农. 基于大数据分析的数字多媒体信息加密算法[J]. 吉林大学学报(信息科学版), 2022, 40(5): 829-835.
[13]	白洪涛, 栾雪, 何丽莉, 毕亚茹, 张婷婷, 孙成林. 基于缺失森林的医疗大数据缺失值插补[J]. 吉林大学学报(信息科学版), 2022, 40(4): 616-620.
[14]	刘铭, 单玉莹, 苏钧驿, 秦喜文, 蒋扬. 税收风险管理大数据分析平台的设计与实现[J]. 吉林大学学报(信息科学版), 2022, 40(1): 96-102.
[15]	刘丹, 李志军, 高荣鑫. 医疗大数据平台设计与实现[J]. 吉林大学学报(信息科学版), 2022, 40(1): 111-116.