一种基于部件CNN的网络安全命名实体识别方法
魏笑1
秦永彬2
陈艳平2
1.贵州大学计算机科学与技术学院 贵阳 5500252.贵州大学计算机科学与技术学院 贵阳 550025;贵州大学贵州省公共大数据重点实验室 贵阳 550025
摘要：基于知识图谱的网络安全动态预警方法,能够主动感知和应对网络安全攻击,增强感知的实时性和精准性.然而,在构建网络安全知识图谱的实体抽取过程中,传统的命名实体识别工具和方法无法识别网络安全领域中的特定类别实体,文本中的未登录和中英文混合的网络安全实体也难以被准确识别.网络安全文本中的网络安全命名实体存在中英文混合、单词缩写等问题,仅基于字的命名实体识别方法难以充分表征字或词的语义信息.因此,论文考虑中英文更细粒度的部件语义捕捉字或词的语义特征,提出一种基于部件CNN的网络安全命名实体识别方法(CC-NS-NER),利用部件CNN抽取词语部件特征中的关键语义特征,丰富字词级别的语义信息,并引入BiLSTM-CRF确保抽取字向量和部件特征中的抽象信息,同时获取标签之间的关联信息,识别文本中的网络安全命名实体.在人工标注的网络安全数据集上的实验结果表明,该方法相较于传统模型,能有效获取字或词的部件语义信息,显著提高网络安全命名实体识别的效果.
关键词：网络安全命名实体识别卷积神经网络双向长短期神经网络条件随机场
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(91746116)
论文发表日期：2020-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 106-111 )
英文信息