基于CNN和BiGRU-attention的互联网敏感实体识别方法

• 作者: 张建权
• 来源期刊: 网络安全技术与应用
• 关键词: CNN BiGRU attention 特征模板
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 61-65
• 页数: 5页
• 字数: 5767字
• 语种: 中文

摘要

互联网敏感实体识别是命名实体识别(NER)在特定领域的应用,主要任务是在互联网场景下识别文本数据中的不同类型的敏感实体.本文提出了一种基于CNN和BiGRU-attention并行,并辅以人工特征的针对互联网敏感实体的识别方法.使用卷积神经网络自动提取英文或符号文字字符的特征,再通过BiGRU分别前后向分析文本的字符序列,得到文本的全局特征.再考虑到互联网敏感实体本身的复杂性,加入人工特征作为判别辅助.经实验与现有的几种模型进行对比,本文提出的方法在模型结构更为简洁的同时,在面对中英文混合的互联网敏感实体识别时,精准度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建权		1	0	0.0	0.0