[发明专利]网络空间威胁知识抽取方法和装置

权利要求书

1.一种网络空间威胁知识抽取方法，所述方法包括：

根据预先训练的多标签分类器，提取待提取文本的本体概念以及所述本体概念之间的关系；

根据每个所述本体概念预先训练的多类分类器，提取所述待提取文本中本体概念对应的实例；

根据本体概念对应的实体以及所述本体概念之间的关系，确定所述实例之间的关系；

其中，根据预先设置的网络空间威胁知识库，获取概念三元组中头概念对应的头概念ID以及尾概念对应的尾概念ID；从预先设置的开源数据库中搜索同时包含所述头概念ID和所述尾概念ID的非结构化文本，得到文本训练集以及所述文本训练集中每个元素对应的标记标签；从所述文本训练集中提取包含目标概念对的非结构化文本，构建目标概念对对应的多标签分类器的概念训练集，根据所述概念训练集，训练所述多标签分类器；从所述文本训练集中提取包含目标实例的非结构化文本，构建每个目标实例对应的实例训练集，根据所述实例训练集，训练每个所述多类分类器。

2.根据权利要求1所述的方法，其特征在于，所述从预先设置的开源数据库中搜索同时包含所述头概念ID和所述尾概念ID的非结构化文本，得到文本训练集以及所述文本训练集中每个元素对应的标记标签，包括：

从预先设置的开源数据库中搜索同时包含所述头概念ID和所述尾概念ID的非结构化文本，得到文本训练集为：

x＝{D₁，D₂，…，D_n}

其中，x表示文本训练集，D表示非结构化文本；

得到所述文本训练集中每个元素对应的标记标签为：

y_i＝[C_hi，ID_hi，C_ti，ID_ti，G]

其中，i＝1，2，…，k表示标记标签的总数，C_hi表示第i个头概念，ID_hi表示第i个头概念ID，C_ti表示第i个尾概念，ID_ti表示第i个尾概念ID，G表示关系判别式，G＝{0，1}，取当G＝0表示头概念ID和尾概念ID不存在关系，取G＝1表示头概念ID和尾概念ID存在关系。

3.根据权利要求2所述的方法，其特征在于，从所述文本训练集中提取包含目标概念对的非结构化文本，构建目标概念对对应的多标签分类器的概念训练集，包括：

获取目标概念对，从所述文本训练集中提取包含目标概念对的非结构化文本，构建概念数据集；

根据所述标记标签，将概念训练集对应的概念标签设置为：

y_j＝[C_hi，C_ti，G]：

根据所述概念数据集和所述概念标签，构建目标概念对对应的多标签分类器的概念训练集。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

从所述文本训练集提取包含所述目标概念对中包括头概念或者尾概念的非结构化文本，构建概念数据负集；

根据所述概念数据集、所述概念数据负集以及所述概念标签，构建目标概念对对应的多标签分类器的概念训练集。

5.根据权利要求1所述的方法，其特征在于，从所述文本训练集中提取包含目标实例的非结构化文本，构建每个目标实例对应的实例训练集，包括：

从所述文本训练集中提取包含目标实例的非结构化文本，构建实例数据集；

根据所述实例数据集中实例的数量，构建1×n维标签集合为

y＝[1，1，1，…，1]_n

根据所述实例数据集合所述标签集合，构建每个目标实例对应的实例训练集。