基于深度学习的情报分析方法识别研究——以安全情报领域为例

被引：16

作者：

肖连杰 ^{[1
,2
]}

孟涛 ^{[1
,2
]}

王伟 ^{[1
,2
]}

吴志祥 ^{[3
]}

机构：

[1] 南京大学信息管理学院

[2] 江苏省数据工程与知识服务重点实验室

[3] 南京工业大学经济管理学院

来源：

数据分析与知识发现 | 2019年 / 10期

关键词：

安全情报; 情报分析方法; 实体识别; 双向长短时记忆网络; 条件随机场;

D O I：

暂无

中图分类号：

G350 [情报学];

学科分类号：

摘要：

【目的】对安全情报领域情报分析方法进行识别、归纳与总结,为构建安全情报领域情报分析方法体系提供参考。【方法】以安全情报领域文献为数据来源,对文献全文本进行汉字级的语料标注,构建安全情报领域情报分析方法语料库,在此基础上利用深度学习模型对情报分析方法实体进行识别。【结果】在安全情报领域情报分析方法语料库上进行实体识别对比实验,BiLSTM模型的情报分析方法实体识别准确率81.71%,召回率77.26%, F1值79.36%;Bi LSTM-CRF模型的情报分析方法实体识别准确率84.71%,召回率79.25%, F1值81.83%。【局限】未考虑句子中包含情报分析方法的指代名词,可能会对统计结果产生一定的影响。【结论】利用深度学习方法对安全情报领域情报分析方法实体进行识别是可行且有效的。

引用

页码：20 / 28

页数：9

共 22 条

[1] 基于文献数据的疾病与基因关联关系研究 [J].