基于神经网络的嵌套命名实体关系抽取模型

摘要：

[目的/意义]网络安全形势日益严峻,从威胁情报中抽取网络安全实体及其关系,构建结构化威胁情报信息,对于网络安全防护来说尤为重要.在过去的工作中嵌套实体的关系抽取一直是难点,嵌套实体和关系重叠不能被有效识别导致准确率低,为威胁情报信息抽取研究带来巨大的挑战.[方法/过程]基于上述情况,针对嵌套实体关系抽取过程中存在的问题,本文基于图注意力网络提出了一种新型知识抽取模型SRG.采用Bert-Bi-LSTM作为共享编码层,与边界检测模块所得的多跨度实体共同进行跨度表示后,利用图注意力网络提取特征进行关系抽取,可有效改善实体边界信息与类别信息的检测效果.[结果/结论]在公共数据集上进行了实验验证,验证结果表明,其在解决实体嵌套与关系重叠的问题上有显著的效果.

关键词：深度学习;嵌套实体识别;实体关系抽取;威胁情报

所属期刊栏目：7

分类号：G35;TP391(情报学、情报工作)

资助基金：国家重点研发计划;北京市教委科技一般项目

在线出版日期：2022-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：67-75