Deciphering leader decision-making patterns from open-source information: A temporal knowledge graph-based approach

doi:10.1016/j.ipm.2026.105029

Deciphering leader decision-making patterns from open-source information: A temporal knowledge graph-based approach

2026-07-01

0

PRE

AI

DOI：10.1016/j.ipm.2026.105029

原文链接

原文求助

摘要

En 中文

在由复杂地缘政治和经济波动性为特征的时代，分析领导者决策模式对于战略前瞻和组织风险评估至关重要。尽管领导者的决策足迹越来越多地被捕获在大量开源信息中，但解读这些模式仍面临重大挑战。传统的决策分析严重依赖主观专家判断，并难以处理大规模非结构化数据，而现代数据驱动的深度学习模型通常作为缺乏理论基础的不可解释黑箱运行。此外，开源数据的固有稀疏性和时间分散性进一步加剧了有效建模的难度。为解决这些局限，本研究提出了一种基于理论的计算框架，该框架整合了时序知识图谱与决策模式神经网络。时序知识图谱将碎片化的开源信息结构化为时序有序的语义四元组，能够动态表示与决策相关的实体、关系和背景因素。决策模式神经网络进一步将决策建模为一个分层过程，其中外部环境因素在产生行动倾向之前会通过领导者特定的个体因素进行过滤。在沙特阿美公司的案例研究中，我们构建了一个包含153,267个四元组的时序知识图谱，该图谱基于超过440,000条开源记录，并针对CEO Amin Nasser的352个标注决策事件对框架进行了评估。所提出的模型实现了83.02%的总体预测准确率，其中精确率为86.49%，召回率为88.89%。本研究为解读领导逻辑提供了一种理论上严谨且计算上可扩展的解决方案，有效弥合了定性决策理论与定量数据分析之间的差距。

Keyword:

Decision patterns

Decision factors

Temporal knowledge graph

Open-source information

Deciphering leader decision-making patterns from open-source information: A temporal knowledge graph-based approach

摘要

期刊

机构

引用论文