买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法及三元组抽取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119520029B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411481491.6，技术领域涉及：H04L9/40；该发明授权基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法及三元组抽取方法是由尚文利;吕叶;王博文;浣沙;张曼;曹忠;时昊天;李淑琦;高晓斌设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法及三元组抽取方法在说明书摘要公布了：本发明公开了基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法及三元组抽取方法，包括：S1：构建问题模板；S2：构建解码器；S3：建立由标签答案词向关系标签的第一映射、由关系标签向答案语义词的第二映射；预测实体对的关系为某答案词的概率；S4：输入隐藏层表示和可学习答案语义词的嵌入向量至关系预测层，得到预测头；S5：选择概率最高的答案词根据第一映射映射至关系标签得到预测关系；S6：计算总损失；S7：进行预训练；S8：使用训练数据集训练模型得到三元组联合提取模型。通过输入网络威胁情报数据至所述模型，即可得到关系三元组。本发明采用联合提取框架，有效解决了实体和关系任务间缺乏交互的问题。

本发明授权基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法及三元组抽取方法在权利要求书中公布了：1.基于提示增强和联合学习的网络威胁情报三元组抽取模型的训练方法，其特征在于，具体步骤如下： S1：根据输入的文本序列和实体类型集合构建问题模板，将所述问题模板和所述文本序列级联构成输入序列，使用双向编码器对输入序列进行编码； S2：构建解码器，得到第一条件与第二条件，独立判断所述第一条件和所述第二条件是否有效，从有效解的集群中获得答案的确定条件，根据确定条件对候选结果进行排名，选择排名前n的结果作为最佳候选结果，所述解码器输出实体跨度和实体类型； S3：建立由标签答案词向关系标签的第一映射； 建立由所述关系标签向答案语义词的第二映射； 构建关系抽取模板； 构建可学习的答案语义词，通过优化过程动态调整语义单元的分配权重，实现对实体对关系的约束； 根据所述实体跨度得到实体对，以所述关系抽取模板为条件预测实体对的关系为某答案词的概率； S4：输入关系抽取模板至双向编码器，获取隐藏层表示，输入所述隐藏层表示和可学习答案语义词的嵌入向量至关系预测层，预测头得到一个覆盖了所有答案词的概率分布； S5：选择概率最高的答案词根据所述第一映射确定的关系标签得到预测关系； S6：计算实体抽取损失、关系抽取损失和结构化损失； 计算总损失，所述总损失为所述实体抽取损失、关系抽取损失和结构化损失的加权和； 通过梯度下降算法调整参数，最小化总损失； S7：从公共语料库中获取网络威胁情报领域内的文本数据集形成预训练语料库，通过最佳匹配算法从所述预训练语料库中检索有关于威胁情报的数据，使用所述最佳匹配算法的输出数据进行预训练，进一步优化模型的参数； S8：使用训练数据集训练模型；在每个训练epoch结束后，使用训练好的模型对验证集进行预测，根据模型的预测结果和验证集的真实标签计算模型的性能指标，所述性能指标包括准确率、召回率和F1分数，根据性能指标的计算结果评估模型当前的性能，得到评估结果，根据评估结果对训练过程进行迭代优化，选取评估指标达到最大值时的参数设定，得到基于提示增强和联合学习的网络威胁情报三元组抽取模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。