面向小樣本的威脅情報(bào)命名實(shí)體識(shí)別方法

摘要： 為解決威脅情報(bào)領(lǐng)域的數(shù)據(jù)源不足、實(shí)體專業(yè)性強(qiáng)等問題，提出一種面向小樣本的威脅情報(bào)命名實(shí)體識(shí)別模型AbNER。設(shè)計(jì)基于自注意力機(jī)制的隱式特征引導(dǎo)模塊，引入prompt模板，融合專業(yè)領(lǐng)域的先驗(yàn)知識(shí)，結(jié)合兩者共同完成識(shí)別實(shí)體。對(duì)模型輸入層結(jié)構(gòu)進(jìn)行優(yōu)化，有效提升編碼性能。分析AbNER在通用和電網(wǎng)等兩類威脅情報(bào)數(shù)據(jù)上的測試結(jié)果，模型在5個(gè)全量數(shù)據(jù)集和3個(gè)小樣本數(shù)據(jù)集上均達(dá)到最優(yōu)表現(xiàn)，驗(yàn)... （共7頁）