基于深度学习的情报分析方法识别研究——以安全情报领域为例

摘要：

[目的]对安全情报领域情报分析方法进行识别、归纳与总结,为构建安全情报领域情报分析方法体系提供参考.[方法]以安全情报领域文献为数据来源,对文献全文本进行汉字级的语料标注,构建安全情报领域情报分析方法语料库,在此基础上利用深度学习模型对情报分析方法实体进行识别.[结果]在安全情报领域情报分析方法语料库上进行实体识别对比实验,BiLSTM模型的情报分析方法实体识别准确率81.71％,召回率77.26％,F1值79.36％;BiLSTM-CRF模型的情报分析方法实体识别准确率84.71％,召回率79.25％,F1值81.83％.[局限]未考虑句子中包含情报分析方法的指代名词,可能会对统计结果产生一定的影响.[结论]利用深度学习方法对安全情报领域情报分析方法实体进行识别是可行且有效的.

关键词：安全情报、情报分析方法、实体识别、双向长短时记忆网络、条件随机场

所属期刊栏目：3

分类号：TP393;G35(计算技术、计算机技术)

资助基金：国家社会科学基金重大项目“情报学学科建设与情报工作未来发展路径研究”17ZDA291;南京大学研究生跨学科科研创新项目“大数据环境下情报学理论方法知识库构建研究”2018ZDW03;国家自然科学基金项目“基于情报视角的应急决策推演的智库协同模式研究”项目71774078的研究成果之一

在线出版日期：2019-12-13（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：20-28