深度学习赋能网络安全知识图谱实体关系联合抽取研究 |
| |
引用本文: | 王大阜,王静,邓志文,贾志勇,张浴日.深度学习赋能网络安全知识图谱实体关系联合抽取研究[J].中国电子科学研究院学报,2023(5):420-428. |
| |
作者姓名: | 王大阜 王静 邓志文 贾志勇 张浴日 |
| |
作者单位: | 中国矿业大学图书馆 |
| |
基金项目: | 国家社会科学基金项目(22BTQ023);;江苏省高校哲学社会科学研究项目(2022SJYB1129); |
| |
摘 要: | 文中研究了知识图谱中关于实体关系联合抽取方式,解决流水线抽取方式的误差传播、效率低下及关系重叠的问题,设计了网络安全本体模型,提出基于深度学习的Seq2Seq联合抽取模型,编码层通过BERT-WWM和双向长短期记忆网络(Bi-directional Long Short-Term Memory, BiLSTM)模型获取上下文语义表示,并融合多头注意力机制突显文本中的重要单词,解码层通过指针网络输出序列标注,从而获取头实体、关系及尾实体。以自标注的数据集为语料,通过TensorFlow框架建模,对实体和关系抽取的质量进行评估。结果表明,模型的精确率、召回率和F1值均较高,验证了联合抽取模型的有效性,最后通过Neo4j图数据库构建并可视化知识图谱。
|
关 键 词: | 深度学习 联合抽取 BERT-WWM BiLSTM 指针网络 |
|
|