[发明专利]一种耦合转移熵和HITS算法的SDG指标间因果关系挖掘方法

说明书

本发明公开了一种耦合转移熵和HITS算法的SDG指标间因果关系挖掘方法，包括如下步骤：筛选联合国可持续发展目标（Sustainable Development Goals,SDG）的具体指标，建立地区可持续发展指标体系；采用相关性分析，探索SDG多指标间的协同与权衡关系；基于信息论领域的转移熵算法，计算SDG指标间转移熵值，确定SDG指标间的因果转移方向；基于复杂网络中超链接主题搜索(Hyperlink‑Induced Topic Search,HITS)算法，计算相对独立相关性指数，筛选显著因果关系SDG指标对。本发明对SDG多指标间协同与权衡作用的因果关系进行研究，具备实现生产地区SDG指标间因果关系数据产品的能力，为挖掘SDG多指标间协同与权衡作用中因果关系的研究提供方法助力，促进地区加快可持续发展进程。

技术领域

本发明涉及联合国可持续发展目标（Sustainable Development Goal, SDG）指标间因果关系挖掘领域，具体涉及一种耦合转移熵和超链接主题搜索算法(Hyperlink-Induced Topic Search, HITS)的SDG指标间因果关系挖掘方法。

背景技术

联合国可持续发展峰会通过了决议草案《改变我们的世界：2030年可持续发展议程》，这是继联合国“千年发展目标”（Millennium Development Goals, MDGs）之后，联合国通过的更具有普适性和综合性的可持续发展目标。2030发展议程中的“可持续发展目标”（Sustainable Development Goals, SDGs）包含了17个可持续发展目标和169个具体目标。可持续发展目标的目的是平衡可持续发展的经济、社会和环境方面。为实现一个目标（即可持续发展目标、具体目标或指标）而采取的行动可能会分别增强或减弱其他目标的表现，这被定义为可持续发展目标之间的协同作用或权衡。根据以往研究的共识，解决权衡问题和促进协同作用对于到2030年实现可持续发展目标仍然至关重要。

目前，现有的SDG交互作用的研究主要可分为通过专家知识或官方文件的定性评价和定量的相关分析，包括皮尔逊相关系数、斯皮尔曼秩相关分析、多因素分析和自回归相关。同时，还有一些研究探讨了SDG互动网络中的因果关系。然而，大多数的因果关系研究，如基于专家意见判断SDG指标间的因果关系具有很强的主观性，格兰杰因果分析是一种线性分析方法，只能判断因果方向无法得到因果关系强度。转移熵是一种非参数测量方法，用于估计随机过程中的有向信息流动。它基于信息论领域的香农熵和互信息的概念，可用于线性和非线性系统，并且不需要系统模型机理的先验知识。特别的，转移熵是量化系统中的因果关系耦合强度和不对称性的有效方法，可以根据这个特性寻找变量之间的传递关系。

复杂网络中超链接主题搜索算法(Hyperlink-Induced Topic Search, HITS)，可以更充分地分析具有传递关系的数据之间的因果关系。它主要应用在网络中心度计算领域，专注于改善泛指主题检索的结果，通过一定的计算方法以得到针对某个检索提问的最具价值的网页。这种算法思想可以迁移到相互链接向量之间的节点中心度分析，具有计算简单且效率高的特点，可以用于进一步择选出存在较强因果关系的变量以用于预测。本研究结合非参数斯皮尔曼秩相关分析，转移熵算法和HITS算法，探索SDG多指标间协同与权衡作用中的因果关系。

发明内容

发明目的：为了更准确有效地探索SDG指标间的因果关系，提供一种耦合转移熵和HITS算法的SDG指标间因果关系挖掘方法，其集成相关分析、转移熵算法和超链接主题搜索算法，为SDGs多指标间协同与权衡因果关系挖掘提供新思路。

技术方案：为实现上述目的，本发明提供一种耦合转移熵和超链接主题搜索算法的SDG指标间因果关系挖掘方法，包括如下步骤：

S1：筛选联合国可持续发展目标（Sustainable Development Goals, SDG）指标，建立地区可持续发展指标体系，对SDG指标进行归约化处理；

S2：利用非参数斯皮尔曼秩相关性分析，得到SDG多指标间的协同与权衡关系；