科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有网络安全文本按照主题分类，导致主题之间联系不紧密，文本资源缺乏系统性的问题。论文提出在网络安全知识体系下，按照知识点对文本进行分类。同时，提出Albert-TextCNN模型进行知识点提取，使用Albert模型提取输入文本的词向量，在减小参数量的前提下，输出了包含丰富语义的词向量，并使用TextCNN进一步提取词向量的局部语义特征，最后辅以网络安全知识体系，根据知识点标签之间的包含关系，进一步提升了模型性能。实验结果表明，该模型各项指标均高于实现了同类型单个模型的性能。
- 单位
针对现有网络安全文本按照主题分类，导致主题之间联系不紧密，文本资源缺乏系统性的问题。论文提出在网络安全知识体系下，按照知识点对文本进行分类。同时，提出Albert-TextCNN模型进行知识点提取，使用Albert模型提取输入文本的词向量，在减小参数量的前提下，输出了包含丰富语义的词向量，并使用TextCNN进一步提取词向量的局部语义特征，最后辅以网络安全知识体系，根据知识点标签之间的包含关系，进一步提升了模型性能。实验结果表明，该模型各项指标均高于实现了同类型单个模型的性能。
