《大数据驱动的社会安全态势感知方法及应用》旨在探索利用海量的GDELT数据，以数据挖掘和机器学习方法为主要手段，揭示蕴含在开源大数据中的群体抗议事件的关联信号和发生机理，为群体抗议事件的实时检测、监控与预测预警提供数据、理论和模型基础，并对当前学界领域前沿进行了综述分析，为国内大数据驱动的社会安全态势感知领域贡献分析方法与系统应用案例。

第1章 大数据：社会安全研究的新范式
1．1 引言
1．1．1 社会安全事件
1．1．2 大数据时代的社会安全研究
1．2 社会安全态势感知
1．2．1 社会安全态势感知的必要性
1．2．2 态势感知的定义
1．2．3 社会安全态势感知概念模型
1．3 社会安全态势感知研究进展
1．3．1 社会安全事件的检测方法
1．3．2 社会安全事件的预测方法

第2章 数据源：无处不在的社会传感网络
2．1 社会安全领域常用数据源
2．1．1 宏观数据
2．1．2 原子事件数据
2．1．3 复合事件数据
2．1．4 社交媒体及其他非结构化数据
2．2 GDELT数据项目
2．2．1 GDELT数据库概况
2．2．2 GDELT数据表
2．3 GDELT数据实时采集
2．3．1 使用大数据架构的缘由
2．3．2 基于元数据队列的多线程数据获取方法
2．3．3 基于Hive的海量数据ETL方法
2．3．4 基于HDFS、Hive与SparkSQL的数据仓库构建技术

第3章 态势理解：群体抗议事件检测
3．1 目标和任务
3．2 频繁子图挖掘
3．2．1 问题描述
3．2．2 子图增长策略
3．3 基于频繁子图挖掘的群体抗议事件特征抽取方法
3．3．1 基本概念
3．3．2 GDELT数据预处理方法
3．3．3 基于图描述语言的事件交互图表示方法
3．3．4 事件交互图集构建方法
3．3．5 频繁子图挖掘
3．3．6 基于频繁子图的群体抗议事件特征构建方法
3．3．7 实验与分析
3．4 基于多分类器调优的群体抗议事件检测模型
3．4．1 检测模型框架
3．4．2 群体抗议事件检测评价指标
3．4．3 实验与分析
……

第4章 态势预测：未来社会安全事件
第5章 实践应用：全球安全威胁分析预警平台

总结
参考文献