深度学习赋能网络安全知识图谱实体关系联合抽取研究

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。