深度学习赋能网络安全知识图谱实体关系联合抽取研究

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

所属期刊栏目：18

分类号：TP181(自动化基础理论)

资助基金：国家社会科学基金;江苏省高校哲学社会科学研究项目

在线出版日期：2023-10-30（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：420-428