文本挖掘在技术性贸易壁垒预警中的应用研究

摘要

历次全球经济危机往往都伴随着贸易争端的高发。近一时期，随着全球经济形势恶化，一些国家自危、自利、自保倾向抬头，贸易保护主义和经济孤立主义蔓延。当前，金融危机已蔓延到制造业、服务业等实体经济领域，各国工厂倒闭剧增，失业率上升，政治压力和社会问题接踵而至。越来越多国家以产业安全、保护环境和保护本国人民健康等为由加强政府对经济的干预，阻挠我国企业出口。其中，技术性贸易壁垒(Technical Barriersto Trade，TBT)已成为阻止我国出口的主要手段，而且还在逐年加重。 为了合法、有效地保护我国产业和企业的正当权益，维护公平竞争，建立一套技术性贸易壁垒预警系统已经迫在眉睫。目前的TBT预警研究，使用经济理论和数学模型分析产业数据进行预警，有两个不足：一是产业数据收集困难，二是时效性差。在预警的准确度和时效性上难以保证。 进口国在设置技术性贸易壁垒之前，其国内舆论必然会产生相关报道或评论，通过大量的相关报道，利用文本挖掘技术及时发现进口国舆论的动向，是TBT预警中的有效方法，能够很好的弥补目前TBT预警系统的不足。文本挖掘是数据挖掘技术的一个分支，通过一系列的数据挖掘技术，从大量的、无结构的文本数据中发现潜在的、可能的数据模式、内在联系，获得对用户的有价值的知识；通过抽取散布于大量文本中的新的、合理的、对于未来行为有指导意义的知识，为未来提供有价值的参考信息。在时间轴上的文本聚类分析，即为话题检测技术，通过话题检测，能够自动检测新闻报道中的新话题。 本文分析文本挖掘技术的特点，并首次引入TBT预警领域，然后进行两次实验，证明了系统性能的优越性。 第一次实验，初步建立基于文本挖掘的TBT预警系统模型：通过抽取新闻评论关键词，分析关键主题的关注度及其变化趋势，在此基础上量化为设置技术性贸易壁垒的可能性指标。以我国产品出口美国为例，进行实证分析，验证了模型的有效性。实验证明，数据收集易于实现，预警及时。 第二次实验，首次将改进的话题检测技术应用于TBT预警：设计了基于改进的话题检测技术的TBT预警系统模型，建立了基于产品信息的话题模型，改进了leader-follower(领导者-追随者)聚类算法，并将改进的话题检测技术应用于TBT预警研究。实验结果证明，改进的话题检测技术显著提高了话题检测的精确度，进而提高了TBT预警的准确度。 在TBT预警领域首次引入文本挖掘技术，是该研究领域的一个补充和发展。

目录

文摘

英文文摘

声明

第1章绪论

1.1选题意义及背景

1.2技术性贸易壁垒研究现状

1.3文本挖掘的研究现状

1.4本文研究的目标、思路及方法

1.4.1文本挖掘对于TBT预警的作用

1.4.2文本挖掘对于TBT预警的适用性

1.4.3文本挖掘对与TBT预警的特殊性

1.5本章小结

第2章文本挖掘研究综述

2.1文本挖掘的概念

2.2文本挖掘的过程

2.2.1文本采集

2.2.2文本预处理

2.2.3文本建模

2.2.4模式发现

2.2.5解释评价

2.3文本挖掘与相近领域的关系

2.3.1文本挖掘与自然语言处理的区别

2.3.2文本挖掘与相关领域的交叉

2.4本章小结

第3章基于文本挖掘的TBT预警系统研究

3.1案例背景

3.2基于文本挖掘的TBT预警模型

3.3以我国产品出口美国为例做TBT预警分析

3.3.1TBT预警信息的收集

3.3.2关键词抽取

3.3.3主题合并

3.3.4共现词提取

3.3.5热点分析

3.3.6热点词的关注度变化趋势分析

3.4讨论

3.5本章小结

第4章基于改进的话题检测技术的TBT预警系统研究

4.1话题检测技术简介

4.2基于话题检测的TBT预警模型

4.2.1预警系统的原理及模型

4.2.2话题与报道建模

4.2.3产品信息在报道中出现的位置

4.2.4基于产品信息的聚类算法

4.2.5相似度计算

4.3试验方案设计

4.3.1实验流程

4.3.2数据集

4.3.3评价标准

4.4结果分析

4.4.1第一阶段确定最优α值

4.4.2第二阶段绘制错误权衡曲线

4.5本章小结

结 论

总结

创新点

展望

参考文献

攻读硕士学位期间所发表的学术论文

攻读硕士学位期间所参与的项目和课题

致谢