Resumen

Los eventos de agitación social son sucesos comunes en la sociedad moderna que necesitan ser manejados de manera proactiva. Un método efectivo es evaluar continuamente el riesgo de futuros eventos de agitación social y predecir la probabilidad de dichos eventos. Nuestro trabajo previo construyó un marco basado en modelos ocultos de Markov (HMM, por sus siglas en inglés) para predecir indicadores asociados con la inestabilidad de un país, dejando dos deficiencias que pueden ser optimizadas: omitir la interacción de los participantes en los eventos y aprender implícitamente el tiempo de residencia del estado. Inspirados por esto, proponemos un nuevo marco de predicción en este artículo, utilizando patrones de subgrafos frecuentes y modelos ocultos de Markov semicontinuos (HSMMs). La característica llamada BoEAG (Bolsa de Eventos Asociación-subGrafo) se construye basándose en la minería de subgrafos frecuentes y el modelo de bolsa de palabras. El nuevo marco aprovecha los eventos

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Eventos de agitación social; Marco de predicción; Modelos semi-Markov ocultos; Patrones de subgrafos frecuentes; BoEAG; GDELT
• Keywords:Social unrest events; Prediction framework; Hidden semi-Markov models; Frequent subgraph patterns; BoEAG; GDELT