首页 | 官方网站   微博 | 高级检索  
     

基于深度主动学习的信息安全领域命名实体识别研究
引用本文:彭嘉毅,方勇,黄诚,刘亮,姜政伟.基于深度主动学习的信息安全领域命名实体识别研究[J].四川大学学报(自然科学版),2019,56(3):457-462.
作者姓名:彭嘉毅  方勇  黄诚  刘亮  姜政伟
作者单位:四川大学电子信息学院,四川大学网络空间安全学院,四川大学网络空间安全学院,四川大学网络空间安全学院,中国科学院信息工程研究所, 中国科学院网络测评技术重点实验室
基金项目:中国科学院网络测评技术重点实验室开放课题基金
摘    要:针对通用领域模型不能很好地解决信息安全领域的命名实体识别问题,提出一种基于字符特性,双向长短时记忆网络(Bi-LSTM)与条件随机场(CRF)相结合的信息安全领域命名实体识别方法.该方法不依赖于人工选取特征,通过神经网络模型对序列进行标注,再利用CRF对序列标签的相关性进行约束,提高序列标注的准确性.而且,针对信息安全领域标注数据样本不足的问题,采用主动学习方法,使用少量标注样本达到较好的序列标注效果.

关 键 词:信息安全  命名实体识别  主动学习  神经网络  双向长短时记忆网络  条件随机场
收稿时间:2018/11/22 0:00:00
修稿时间:2018/12/13 0:00:00

Cyber security named entity recognition based on deep active learning
Peng Jia-yi,Fang Yong,HUANG Cheng,Liu Liang and Jiang Zheng-wei.Cyber security named entity recognition based on deep active learning[J].Journal of Sichuan University (Natural Science Edition),2019,56(3):457-462.
Authors:Peng Jia-yi  Fang Yong  HUANG Cheng  Liu Liang and Jiang Zheng-wei
Abstract:
Keywords:Cyber security  Named entity recognition  Active learning  Neural network  Bi-LSTM  CRF
本文献已被 CNKI 等数据库收录!
点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《四川大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号