深度学习赋能网络安全知识图谱实体关系联合抽取研究

作     者：王大阜 王静 邓志文 贾志勇 张浴日 WANG Da-fu;WANG Jing;DENG Zhi-wen;JIA Zhi-yong;ZHANG Yu-ri

作者机构：中国矿业大学图书馆江苏徐州221116 

基　　金：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) 

出 版 物：《中国电子科学研究院学报》 (Journal of China Academy of Electronics and Information Technology)

年 卷 期：2023年第18卷第5期

页      码：420-428页

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。

主 题 词：深度学习 联合抽取 BERT-WWM BiLSTM 指针网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-5692.2023.05.004

馆 藏 号：203122599...