基于GDELT新闻数据的冲突强度定量表达及冲突事件检测研究

doi:10.12082/dqxxkx.2021.210172

摘要/Abstract

摘要：

全球范围内各种冲突经常发生,及时分析各种冲突关系并监测其变化,提前干预、实施人道主义救援,可以有效避免冲突的爆发与升级。冲突事件通常被各种新闻媒体及时报道,并被记录于新闻数据库中。提取新闻数据中的冲突事件信息并量化冲突强度,从而分析国家冲突强度的变化是一种可行思路。GDELT实时监测着不同来源的新闻,自动提取新闻中的事件与事件属性信息,并将事件总体划分为冲突与合作2种类型。本文以GDELT为数据源,综合考虑事件数量、事件影响性、事件关注度多个因素,针对不同空间研究尺度提出了一种利用全球冲突指数与局部冲突指数对冲突强度定量表达的方法。在全球尺度上,计算全球各国全球冲突指数衡量国家冲突强度,分析全球国家冲突强度空间分布规律。在国家尺度上,计算局部冲突指数衡量一个国家的冲突强度变化情况,并在冲突强度定量表达的基础上,研究一种基于距离的时间序列冲突检测方法检测冲突事件的发生。研究发现：① 冲突强度高的国家主要集中在非洲和中东地区,全球冲突强度在空间上存在明显的集聚现象;② 国家局部冲突指数的突增通常对应于一些冲突事件的发生,使用本文的冲突检测方法可以有效地及时检测这种突增现象,并能为冲突预警提供支持。本文的研究成果可以为国际冲突关系分析,以及国际救援组织的决策提供参考。

关键词: GDELT, 冲突强度, 全球冲突指数, 局部冲突指数, 冲突定量表达, 冲突检测, 空间分析

Abstract:

Conflicts occur frequently at any time and any place in the world. Conflicts often erupt between two or more parties. Analyzing the relation between various conflicts and monitoring the development and evolution of conflicts can help provide measures to intervene in conflicts and provide humanitarian assistance in the embryonic stage of conflicts, which can further help avoid the escalation of conflicts. Various conflict has attracted lots of attention from the public. The occurrence of various conflicts is usually reported by the news media in a timely manner, and each event information can be automatically collected by computers and recorded in news databases. The conflict news database contains a wealth of information. It provides a feasible way to extract the information of conflict events from the new data, quantify the conflict intensity, and analyze the change of national conflict intensity. The GDELT is such an excellent event database which monitors news from different sources around the world in real time, automatically extracts events and event attribute information in news, and classifies the event into conflict events and cooperation events. This paper uses GDELT event database as the data source and comprehensively obtains the number of events, the impact of the events, and the degree of attention to conflict events. We propose a method to quantitatively express the intensity of conflicts by using the global conflict index and the local conflict index for different spatial scales. At the global scale, we calculate the global conflict index of countries around the world to measure the intensity of national conflicts and analyze the spatial distribution of the intensity of global national conflicts. At the country level, the local conflict index is calculated to measure the change of conflict intensity in a country. Based on the quantitative expression of conflict intensity, a distance-based time series conflict detection method is employed to detect the occurrence of conflict events. The results show that: 1) Countries with high conflict intensity are mainly concentrated in Africa and the Middle East, and there is obvious spatial agglomeration of global conflict intensity; 2) The sudden increase in the national conflict index usually corresponds to the occurrence of some conflict events. The method of conflict detection in this paper can effectively detect the sudden increase in time and provide support for the early warning of conflicts. The research results of this paper can provide references for the analysis of international conflict relations and the decision-making of international rescue organizations.

Key words: GDELT, conflict intensity, global conflict index, local conflict index, conflict quantitative expression, conflict detection, spatial analysis

漆林, 秦昆, 罗萍, 姚博睿, 朱炤瑗. 基于GDELT新闻数据的冲突强度定量表达及冲突事件检测研究[J]. 地球信息科学学报, 2021, 23(11): 1956-1970.DOI:10.12082/dqxxkx.2021.210172

QI Lin, QIN Kun, LUO Ping, YAO Borui, ZHU Zhaoyuan. Quantitative Expression of Conflict Intensity and Conflict Event Detection based on GDELT News Data[J]. Journal of Geo-information Science, 2021, 23(11): 1956-1970.DOI:10.12082/dqxxkx.2021.210172

图/表 17

图1

图2

图3

图4

表1

图10

图5

图6

图7

图8

图9

图11

图12

图13

表2

2019年利比亚冲突事件演进描述

时间	事件描述
2019-04-04	哈利法·哈夫塔尔部队开始向利比亚西部地区推进,首都的黎波里南部发生小规模冲突
2019-04-05	利比亚武装部队向的黎波里进军
2019-04-06	利比亚的黎波里边缘发生武装民兵暴力斗争事件,的黎波里机场被占领
2019-04-07	战争逼近利比亚首都,美国从利比亚撤军
2019-04-08	利比亚东部军事领导人下令进军利比亚首都,美国撤军后,的黎波里政府首脑指控“希夫特”背叛他,利比亚形式变得更复杂
2019-04-09	利比亚首都的黎波里及其周边地区的军事战斗持续升级,该市的民用机场遭遇空袭
2019-04-10	郊区战事激烈,成千上万人逃离的黎波里
2019-04-14	联合国卫生组织机构公布利比亚首都的持续冲突直至今日已导致至少121人丧生
2019-04-15	联合国卫生机构称在利比亚首都争夺战中,本月有146人丧生
2019-04-16	利比亚班加西,一个由犯罪团伙组成的民兵组织时刻为战争做着准备
2019-04-17	利比亚首都遭遇火箭袭击致死6人,同时联合国参与利比亚冲突停火谈判
2019-04-18	的黎波里停火草案未能达成协议,联合国安理会就利比亚危机问题产生意见分歧
2019-04-19	美国和俄罗斯阻止了英国试图促成联合国强制停火的企图,利比亚总理抨击世界“沉默”
2019-04-21	利比亚的黎波里的部分地区遭遇了空袭
2019-04-29	忠于前军事指挥官的利比亚部队对的黎波里加大了空袭,激烈的战斗和道路阻塞使平民被困家中
2019-06-30	利比亚武装分子威胁要瞄准土耳其利益
2019-07-03	利比亚首都的黎波里附近的移民拘留中心遭遇空袭,初步估计造成了44人死亡,130多人受伤
2019-07-04	的黎波里附近的移民拘留中心遭遇空袭,至少造成44人死亡,数十人受伤
2019-07-05	约有300名移民仍被关押在利比亚的拘留中心,那里有超过44人在空袭中丧生
2019-07-06	在利比亚首都争夺战中死亡人数上升至1000人,联合国呼吁利比亚停火
2019-07-26	25日,一艘船在利比亚海岸倾覆,多达150名移民失踪、死亡
2019-08-11	一辆汽车炸弹在利比亚班加西的一家购物中心爆炸,炸死三名联合国人员和数十名平民
2019-08-16	利比亚一名政客被绑架,已失踪4周

表2

表3

2019年叙利亚冲突事件演进描述

时间	事件描述
2019-01-06	美国计划从叙利亚撤军,其余敌对大国开始尝试进入叙利亚东部
2019-01-16	叙利亚北部城镇曼比耶附近发生爆炸,造成人员伤亡
2019-01-21	以色列称伊朗的军事目标袭击了叙利亚,造成11人死亡
2019-08-19	叙利亚猛烈抨击土耳其向叛军输送武器
2019-10-07	土耳其总统威胁要在几个月内开展边界军事行动,同时美国撤军,为土耳其突击叙利亚扫清了道路
2019-10-08	土耳其对叙利亚哈萨克省自卫队基地发动空袭,炸毁叙利亚哈萨卡省两座桥梁
2019-10-09	“伊斯兰国”极端组织武装分子对叙利亚北部的拉卡市发起了自杀式的炸弹袭击
2019-10-10	土耳其入侵叙利亚第二天,土耳其地面部队突袭叙利亚北部的库尔德武装分子,对其进行空袭并向边界沿线的城镇发射炮弹
2019-10-11	土耳其进攻叙利亚：随着袭击持续,数十人被杀
2019-10-12	土耳其军队占领了叙利亚主要边境城镇的中心,叙利亚库尔德军队在该镇的某些地区仍在顽强抵抗
2019-10-13	土耳其进攻叙利亚的第五天,土耳其媒体称部队已经占领了叙利亚东北部的苏鲁克镇
2019-10-14	由于美国在之前土耳其进攻叙利亚的时候选择撤军,美国遭到了强烈谴责,现特朗普公布说将对土耳其实施有力的制裁
2019-10-15	美国对土耳其实施制裁,埃尔多安呼吁北约为叙利亚提供帮助
2019-10-16	叙利亚政府军队进入边境城镇科巴尼,为土耳其军队建立了一条没有库尔德战士进攻的安全区
2019-10-17	美国代表团前往土耳其,向土耳其官员施加压力,要求其在叙利亚北部停火
2019-10-18	尽管美国副总统和土耳其总统已促成叙利亚为期五天的停火,但有目击者和库尔德武装人士称,土耳其和叙利亚的边界仍有冲突继续发生
2019-10-19	叙利亚库尔德人指责土耳其在关键的边境城市继续战斗,违反了停火协议,库尔德领导的部队没有撤出任何迹象
2019-10-20	在土耳其与叙利亚库尔德武装分子停火协议期间,一名土耳其士兵遭遇库尔德火力袭击而丧生
2019-10-22	土耳其表示,当停火协议结束时,它将继续对叙利亚北部的库尔德战士发动进攻,因为仍有数百库尔德人未按协议要求撤离
2019-10-23	特朗普宣称若土耳其与叙利亚永久停火,美国将会取消对土耳其的制裁
2019-10-24	在土耳其入侵期间,土耳其支持的部队从库尔德武装人员手中夺取了一辆炸弹汽车,引爆后炸死四人
2019-10-27	美国对叙利亚恐怖组织发起突袭,激进组织伊斯兰国的领导人阿布·巴克·巴格达迪在叙利亚西北部被杀害
2019-10-28	巴格达迪死后没有明显的继任者,接替巴格达迪的人鲜为人知,这可能会激发伊斯兰国恐怖能力,伊斯兰国威胁仍就存在
2019-10-29	国防部长马克·埃斯佩表示还需叙利亚库尔德人帮助继续打击伊斯兰国的残余人员
2019-10-31	伊斯兰国家集团宣布新的继任者,同时美国时刻保持着警惕,防止极端分子的报复袭击

表3

表4

2019年阿富汗冲突事件演进描述

时间	事件描述
2019-01-21	塔利班武装分子袭击阿富汗迈丹城的军事基地,造成了大量士兵伤亡
2019-01-22	塔利班袭击事件造成的死亡人数上升至45人
2019-01-23	一名美国军人在阿富汗被敌军枪杀
2019-03-16	大量关于回顾过去十年恐怖分子对教堂袭击的报道,其中阿富汗受灾严重
2019-03-17	阿富汗官员称在与塔利班的战斗中约有100名士兵逃离失踪
2019-04-09	塔利班对阿富汗边境的一个检查站发动袭击,炸死了20名士兵
2019-04-12	塔利班在与美国交谈的过程中宣布要开始发起春季的进攻
2019-04-24	联合国发文称阿富汗政府军及其同盟造成的平民伤亡人数多于叛乱分子人数
2019-05-08	塔利班武装分子袭击位于阿富汗首都的一间美国救援组织办公大楼,造成了至少5人死亡
2019-05-23	“美国塔利班”约翰·沃克·林德被释放,当局担心释放他可能会构成威胁
2019-07-14	恐怖分子袭击阿富汗的一间旅馆,造成11人丧生
2019-07-27	阿富汗冲突已持续将近二十年,好战集团仍然存在,但塔利班承诺阿富汗未来不会成为恐怖分子的温床
2019-07-30	两名美国军人在阿富汗被杀,媒体表示是阿富汗士兵袭击美军所致
2019-08-07	阿富汗的首都警察检查站附近发生汽车炸弹爆炸事件,造成95人受伤
2019-08-18	阿富汗喀布尔市发生爆炸事件,造成40人死亡,100人受伤
2019-08-19	阿富汗总统誓言要消除所有伊斯兰教徒的避风港
2019-08-31	塔利班对阿富汗昆都士发动了大规模袭击,炸伤七十多人
2019-09-01	阿富汗安全部队击退了塔利班对昆都士的进攻,但叛乱分子仍声称已占领重要的城市建筑物
2019-09-02	美特使与塔利班举行第9轮会谈,但是并没有达成最终协议
2019-09-03	即使美特使与反派组织在“原则上”达成协议,表明5000名美军将撤离阿富汗,但塔利班在阿富汗首都仍然制造了大规模爆炸事件
2019-09-05	塔利班在阿富汗首都制造汽车炸弹炸死了美国和罗马尼亚军人以及10名平民
2019-09-07	塔利班在喀布尔炸毁一辆汽车,造成16人死亡,数十人受伤
2019-09-08	在喀布尔发生炸弹事件后,美国总统特朗普取消了与塔利班领导人和阿富汗总统的秘密会晤
2019-09-09	在美国与塔利班的谈判停止后,阿富汗为防止新的暴力事件发生做好了准备
2019-09-10	美国总统特朗普声称与塔利班组织的和谈“死了”
2019-09-11	9/11周年纪念日,一枚火箭弹在美国驻阿富汗大使馆爆炸
2019-09-17	阿富汗总统竞选集会上发生炸弹袭击事件,炸死至少26人
2019-09-19	塔利班武装分子在阿富汗一家医院外引爆汽车炸弹,致20人死亡
2019-09-23	阿富汗政府军突袭伊斯兰武装分子藏身处,造成至少40名平民被枪杀
2019-09-28	阿富汗军队被部署到全国各地,以对抗投票站投塔利班的激进分子
2019-10-18	叛乱分子向阿富汗一座清真寺内发射迫击炮弹,造成至少25人死亡
2019-12-23	美军称一名美国军人在阿富汗行动中丧生
2019-12-24	阿富汗部队对恐怖武装分子采取行动,消灭了100多名恐怖分子,另外有45人受伤
2019-12-25	塔利班武装分子绑架了27名阿富汗西部的和平主义者
2019-12-30	塔利班议会同意在阿富汗停火,但并未明确停火时长和什么时候开始停火

表4

参考文献 47

[1]	申文. 联合国预防冲突:进展,局限与前景[J]. 湖北社会科学, 2020(5):58-67.
	[ Shen W. United Nations conflict prevention: Progress, limitations and prospects[J]. Hubei Social Sciences, 2020(5):58-67. ]
[2]	Yonamine J E. A nuanced study of political conflict using the Global Datasets of Events Location and Tone (gdelt) dataset[D]. Pennsylvania: Dissertations and Theses - Gradworks, 2013.
[3]	Sarkees M R, Schafer P. The correlates of war data on war: An update to 1997[J]. Conflict Management and Peace Science, 2000, 18(1):123-144. doi: 10.1177/073889420001800105
[4]	Jones D M, Bremer S A, Singer J D. Militarized interstate disputes, 1816-1992: Rationale, coding rules, and empirical patterns[J]. Conflict Management and Peace Science, 1996, 15(2):163-213. doi: 10.1177/073889429601500203
[5]	Department of Peace and Conflict Research. UCDP - Uppsala Conflict Data Program[EB/OL]. https://www.ucdp.uu.se/, 2021-3-15.
[6]	Raleigh C, Linke A, Hegre H, et al. Introducing ACLED: An armed conflict location and event dataset[J]. Journal of Peace Research, 2010, 47(5):651-660. doi: 10.1177/0022343310378914
[7]	Lautenschlager J, Shellman S, Ward M. Icews event aggregations[J]. Harvard Dataverse, 2015, 3:1-42.
[8]	Leetaru K, Schrodt P A. Gdelt: Global data on events, location, and tone, 1979-2012[C]// ISA annual convention, Citeseer, 2013, 2(4):1-49.
[9]	江东, 陈帅, 付晶莹, 等. GIS支持下的全球武装冲突数据体系建设评介[J]. 地球信息科学学报, 2020, 22(4):784-791. doi: 10.12082/dqxxkx.2020.200147
	[ Jiang D, Chen S, Fu J Y, et al. Review on the construction of global armed conflict data system supported by GIS[J]. Journal of Geo-information Science, 2020, 22(4):784-791. ]
[10]	Kwak H, An J. Two tales of the world: Comparison of widely used world news datasets GDELT and EventRegistry[C]// Proceedings of the International AAAI Conference on Web and Social Media. 2016, 10(1):619-622.
[11]	Ward M D, Beger A, Cutler J, et al. Comparing GDELT and ICEWS event data[J]. Analysis, 2013, 21(1):267-297.
[12]	Qiao F C, Li P, Deng J S, et al. Graph-based method for detecting occupy protest events using GDELT dataset[C]// 2015 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery. IEEE, 2015:164-168.
[13]	Galla D, Burke J. Predicting social unrest using GDELT[M]//Machine Learning and Data Mining in Pattern Recognition. Cham: Springer International Publishing, 2018:103-116.
[14]	龚为纲, 朱萌. 社会情绪的结构性分布特征及其逻辑——基于互联网大数据GDELT的分析[J]. 政治学研究, 2018(4):90-102,128.
	[ Gong W G, Zhu M. The hierarchical distribution characteristics of social emotions and the explanation—analysis based on internet big data set GDELT[J]. CASS Journal of Political Science, 2018(4):90-102,128. ]
[15]	秦昆, 罗萍, 姚博睿. GDELT数据网络化挖掘与国际关系分析[J]. 地球信息科学学报, 2019, 21(1):14-24. doi: 10.12082/dqxxkx.2019.180674
	[ Qin K, Luo P, Yao B R,. Networked mining of GDELT and international relations analysis[J]. Journal of Geo-Information Science, 2019, 21(1):14-24. ]
[16]	池志培, 侯娜. 大数据与双边关系的量化研究:以GDELT与中美关系为例[J]. 国际政治科学, 2019, 4(2):67-88.
	[ Chi Z P, Hou N. Quantitative research on big data and bilateral relationship: Taking GDELT and Sino-US relationship as an example[J]. Quarterly Journal of International Politics, 2019, 4(2):67-88. ]
[17]	薛浩男, 张雪英, 吴明光, 等. 基于新闻数据的新冠疫情事件下“全球-中国”国际关系变化分析方法[J]. 地球信息科学学报, 2021, 23(2):351-363. doi: 10.12082/dqxxkx.2021.200294
	[ Xue H N, Zhang X Y, Wu M G, et al. The analysis method of changes in "Global-China" international relations during the COVID-19 event based on news data[J]. Journal of Geo-information Science, 2021, 23(2):351-363.]
[18]	Sharma K, Sehgal G, Gupta B, et al. A complex network analysis of ethnic conflicts and human rights violations[J]. Scientific Reports, 2017, 7:82-83. doi: 10.1038/s41598-017-00107-w
[19]	Keertipati S, Savarimuthu B T R, Purvis M, et al. Multi-level analysis of peace and conflict data in GDELT[C]//Proceedings of the MLSDA 2014 2nd Workshop on Machine Learning for Sensory Data Analysis - MLSDA'14. New York: ACM Press, 2014: 33-40.
[20]	Qiao F C, Li P, Zhang X, et al. Predicting social unrest events with hidden Markov models using GDELT[J]. Discrete Dynamics in Nature and Society, 2017, 2017:1-13.
[21]	Alikhani E. Computational social analysis: Social unrest prediction using textual analysis of news[M]. New York: State University of New York at Binghamton, 2014.
[22]	Weidmann N B, Ward M D. Predicting conflict in space and time[J]. Journal of Conflict Resolution, 2010, 54(6):883-901. doi: 10.1177/0022002710371669
[23]	Yonamine J E. Predicting future levels of violence in afghanistan districts using gdelt[EB/OL]. http://data.gdeltproject.org/documentation/Predicting-Future-Levels-of-Violence-in-Afghanistan-Districts-using-GDELT.pdf, 2021-3-15.
[24]	沈石, 袁丽华, 叶思菁, 等. 近40年中美地缘政治关系波动及背景解析[J]. 地理科学, 2019, 39(7):1063-1071. doi: 10.13249/j.cnki.sgs.2019.07.004
	[ Shen S, Yuan L H, Ye S J, et al. The fluctuation and background analysis of geopolitical relations between China and the United States during the last 40 years[J]. Scientia Geographica Sinica, 2019, 39(7):1063-1071. ] doi: 10.13249/j.cnki.sgs.2019.07.004
[25]	Sun X H, Gao J B, Liu B, et al. Big data-based assessment of political risk along the Belt and Road[J]. Sustainability, 2021, 13(7):3935. doi: 10.3390/su13073935
[26]	Halkia M, Ferri S, Schellens M K, et al. The Global Conflict Risk Index: A quantitative tool for policy support on conflict prevention[J]. Progress in Disaster Science, 2020, 6:100069. doi: 10.1016/j.pdisas.2020.100069
[27]	Brauer J, Anderton C H. Conflict and peace economics: Retrospective and prospective reflections on concepts, theories, and data[J]. Defence and Peace Economics, 2020, 31(4):443-465. doi: 10.1080/10242694.2020.1739824
[28]	Firchow P, Ginty R M. Measuring peace: Comparability, commensurability, and complementarity using bottom-up indicators[J]. International Studies Review, 2017, 19(1):6-27. doi: 10.1093/isr/vix001
[29]	The Institute for Economics and Peace. GLOBAL TERRORISM INDEX 2019[EB/OL].https://reliefweb.int/sites/reliefweb.int/files/resources/GTI-2019web.pdf, 20 21-3-15.
[30]	The Institute for Economics and Peace. GLOBAL PEACE INDEX 2019[EB/OL]. https://reliefweb.int/sites/reliefweb.int/files/resources/GPI-2019-web003.pdf, 2021-3-15.
[31]	Beck N, King G, Zeng L C. Improving quantitative studies of international conflict: A conjecture[J]. The American Political Science Review, 2000, 94(1):21-35. doi: 10.1017/S0003055400220078
[32]	Perry C. Machine learning and conflict prediction: A use case[J]. Stability: International Journal of Security and Development, 2013, 2(3):56. doi: 10.5334/sta.cr
[33]	Muchlinski D, Siroky D, He J R, et al. Comparing random forest with logistic regression for predicting class-imbalanced civil war onset data[J]. Political Analysis, 2016, 24(1):87-103. doi: 10.1093/pan/mpv024
[34]	Collier P, Hoeffler A. Greed and grievance in civil war[J]. Oxford Economic Papers, 2004, 56(4):563-595. doi: 10.1093/oep/gpf064
[35]	Caprioli M. Primed for violence: The role of gender inequality in predicting internal conflict[J]. International Studies Quarterly, 2005, 49(2):161-178. doi: 10.1111/isqu.2005.49.issue-2
[36]	Gleditsch K S, Ward M D. Forecasting is difficult, especially about the future[J]. Journal of Peace Research, 2013, 50(1):17-31. doi: 10.1177/0022343312449033
[37]	Hegre H, Karlsen J, Nygård H M, et al. Predicting armed conflict, 2010-2050[J]. International Studies Quarterly, 2013, 57(2):250-270. doi: 10.1111/isqu.2013.57.issue-2
[38]	Goldstone J A, Bates R H, Epstein D L, et al. A global model for forecasting political instability[J]. American Journal of Political Science, 2010, 54(1):190-208. doi: 10.1111/ajps.2010.54.issue-1
[39]	Halkia M, Ferri S, Papazoglou M, et al. Conflict event modelling: Research experiment and event data limitations[C]// Proceedings of the Workshop on Automated Extraction of Socio-political Events from News 2020. 2020:42-48.
[40]	Levin N, Ali S, Crandall D. Utilizing remote sensing and big data to quantify conflict intensity: The Arab Spring as a case study[J]. Applied Geography, 2018, 94:1-17. doi: 10.1016/j.apgeog.2018.03.001
[41]	Gerner D J, Schrodt P A, Yilmaz O, et al. The creation of CAMEO (Conflict and Mediation Event Observations): An event data framework for a post cold war world[C]// Annual Meeting of The American Political Science Association, 2002: 29.
[42]	Wilke J, Heimprecht C, Cohen A. The geography of foreign news on television[J]. International Communication Gazette, 2012, 74(4):301-322. doi: 10.1177/1748048512439812
[43]	Kwak H, An J. A first look at global news coverage of disasters by using the GDELT dataset[C]// International Conference on Social Informatics, Cham: Springer, 2014:300-308.
[44]	吴志成, 陈一一. 国家间领土争端缘何易于复发[J]. 世界经济与政治, 2015(2):111-136,159.
	[ Wu Z C, Chen Y Y. Why is territorial dispute more likely to recur?[J]. World Economics and Politics, 2015(2):111-136,159. ]
[45]	Sambanis N. Do ethnic and nonethnic civil wars have the same causes?[J]. Journal of Conflict Resolution, 2001, 45(3):259-282. doi: 10.1177/0022002701045003001
[46]	Buhaug H, Gleditsch K S. Contagion or confusion? Why conflicts cluster in space[J]. International Studies Quarterly, 2008, 52(2):215-233. doi: 10.1111/j.1468-2478.2008.00499.x
[47]	Knorr E M, Ng R T, Tucakov V. Distance-based outliers: Algorithms and applications[J]. The VLDB Journal, 2000, 8(3):237-253. doi: 10.1007/s007780050006

年份	相关系数r	P值
2018	0.602	< 0.001
2019	0.545	< 0.001
2020	0.692	< 0.001