CN116049419B 融合多模型的威胁情报信息抽取方法及系统 （中国人民解放军网络空间部队信息工程大学）

融合多模型的威胁情报信息抽取方法及系统及一种融合多模型的威胁情报信息抽取方法及利用实体抽取模型对输入文档进行分词处理和能够将零散分布、多源异构的安全数据组织起2构建由多模型融合的信息抽取模型并分别对多模型将待处理的威胁情报文档输入信息抽取模型中，首先利用实体抽取下文嵌入，并利用已训练的实体距离嵌入矩阵和实体类型嵌入矩阵对实体表示进行增强；及来获取实体表示中，利用LogSumExp池化方法来获取实体级表示，具体过程表示为：ha=log⃞exp(mentionn),Ma表示实体ei中包含的实体提及个数，mj表示第m个实体的第j个提及，mentiom,表示宽度增强后的实体提及mj；通过多头注意力矩阵定位特殊实依据信息抽取模型获取的实体及实体间关系来构建知识图谱，利用3模型构建模块，用于构建由多模型融合的信息抽取模型并分别对多模型进行训练优体提及进行融合处理的共指消解模型及用于抽取实体间关信息抽取模块，用于将待处理的威胁情报文档输入信息抽取型来判断实体提及是否指向同一实体进而通过实体提及融合来增强实体提及表示；然后，的注意力分数，通过平均同一实体的所有实体提及注意力得分来获取实体级注意力得分，7.一种计算机可读存储介质，其特征在于4这一现状，需要对其进行持续监控，收集和处理信息，利用网络威胁情报(CyberThreat[0005]按照本发明所提供的设计方案，提供一种融合多模型的威处理的共指消解模型及用于抽取实体间关系的关系5一个时刻存储单元向量和当前时刻输入单词嵌入来得到当前由历史信息和未来信息组成激活函数计算实体提及指向同一实体的标签概率，依据标签概率来融合上下文和实体提示为：ha=loge6及的注意力分数，通过平均同一实体的所有实体提及注意力得分来获取实体级注意力得实体提及进行融合处理的共指消解模型及用于抽取实体[0019]信息输出模块，用于依据信息抽取模型获取的实体及实体间关系来构建知识图融合处理的共指消解模型及用于抽取实体间关系的关系7利用多头注意力机制，通过学习单词表示不同表征子空间特征来获取单词关键上下文嵌[0043]其中ceRX(iz*z),表示链接操作。heads,)M(3)8体来进行实体融合中，利用卷积神经网络来获取每个实体提及表示的实体不同维度特征，入卷积神经网络提取提及不同维度的特征，有效弥补传统共指消解方法召回率较低的不sr…,ez,)(9)[0061]在获得提及对池化特征向量的基础上，进一步利用tanh的宽度嵌入矩阵对实体提及宽度进行增强，依据宽度增强后的实体提及来获取实体表示，通过多头注意力矩阵定位特殊实体对的关键上下文来获取该特殊实体对的局部上下文嵌9[0065]通过多头注意力矩阵定位特殊实体对的关键上下文来获取该特殊实体对的局部分来获取实体级注意力得分，将该实体级注意力得分作为对应实体到所有单词的注意力，w](14)统方法通常采用最大池化的方法。该方法在提及对能够明确表达关系时具有较好的效果，实体的所有提及注意力，获得实体级注意力分数表示第m个实体到所有单词的tl(20)实体提及进行融合处理的共指消解模型及用于抽取实体[0092]信息输出模块，用于依据信息抽取模型获取的实体及实体间关系来构建知识图分词器Python库Nltk，分别获得带有语义知识的词嵌入和词性嵌入，将其融合后输入[0097]结合本文中所公开的实施例描述的各实例的单元及方法步骤，能够以电子硬件、[