本文研究机器学习方法如何通过检测2022年俄罗斯乌克兰冲突期间公开信息中的情感与主题信号，来识别和预测冲突风险。该研究结合了地理定位的社交媒体帖子、冲突事件数据、来自多语言神经网络分类器的情感指标，以及来自语义网络分析的主题指标。所有观测数据自2021年10月至2022年3月被聚合到15公里的网格单元中，并使用极限梯度提升算法和图神经网络评估预测性能。该分析测试了集体情感的转变，特别是恐惧、愤怒和厌恶情感的波动，以及基于主题的变化，是否能提供次日有冲突风险的有意义预警信号。结果表明，持续的情感激增对次日冲突概率增加具有因果效应，但一旦考虑结构和空间动态因素，其预测价值则较为有限。包含空间、历史及结构特征的极限梯度提升模型优于图神经网络模型，而情感和主题变量则在区分度和校准度方面提供增量提升。研究结果表明，情感波动是暴力事件的可靠先兆，但空间扩散和冲突历史仍是作战预测中最强的特征。研究最终提出了一个地理空间预警仪表板，该仪表板能够近乎实时地可视化新兴风险，以支持指挥官的决策。

将本研究组织为六个章节。第二章回顾文献并识别关键研究缺口。第三章提出将情感波动和空间动态与冲突爆发联系起来的概念框架。第四章描述数据与方法论。第五章报告实证研究发现。第六章讨论我们的结论与未来研究方向。