基于Bert_TextCNN模型的漏洞知识库问答系统

摘要：

融合知识图谱(knowledge graph)在特定领域做问答系统是当下热点之一,用户的意图识别任务是问答系统中至关重要的一步.针对不同漏洞平台管理漏洞情报存在差异、内容不全面和信息孤立,以及用户获取全面的漏洞情报困难等问题,提出构建融合CNVD和CNNVD的综合漏洞知识图谱,在此基础上构建基于Bert_TextCNN意图识别的漏洞知识库问答系统.对比5个主流模型的准确率、召回率和F1值,结果显示Bert_TextCNN模型的F1值可达96.5％,比对照组中最高的F1值高2.4％,说明在意图识别任务中Bert_TextCNN模型的意图识别能力优于其他模型.

关键词：漏洞库、知识图谱、意图识别、智能问答、网络安全

所属期刊栏目：45

分类号：TB391.3(工程材料学)

资助基金：国家自然科学基金;湖北省技术创新专项重大项目;湖北省重点研发计划项目;湖北省重点研发计划项目

在线出版日期：2023-11-16（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：899-907