用于小样本的网络安全领域信息抽取统一模型

互联网中的威胁情报与日俱增,各大网络安全平台趋于使用自动化手段抽取其中的重要信息.然而,过去的诸多研究对实体识别、关系抽取和事件抽取等任务分开建模,导致多模型管理成本高、数据量需求大、知识共享能力差等问题.为此,将统一式抽取应用到网络安全领域上,提出了一种网络安全领域信息抽取模型——MRC-UIE.同时,还对网络安全领域的实体构建、prompt模板设计和模型优化等内容进行了设计.最后,将MRC-UIE在多个网络安全数据集上进行测试.结果表明,MRC-UIE在83%的数据集上均有提升,其F1值优于单一抽取模型1%~3%,优于统一式抽取模型9%~14%.随后,将MRC-UIE在小样本上进行测试,发现模型仅需要10个样本就能得到较好效果,验证了MRC-UIE的小样本能力.

基于自然语言处理技术的互联网医疗眼表疾病咨询需求分析

目的 通过对某三级甲等眼耳鼻喉科医院互联网医疗平台眼表疾病咨询的对话文本进行自然语言分析,挖掘咨询眼表疾病的患者的特征、眼表疾病领域需要重点关注的病种及健康需求,为制定结构化的医疗咨询平台及线上健康教育方案提供参考。方法 采用文献回顾、循证方法构建眼表疾病健康教育需求维度,运用基于统一信息抽取(universal information extraction,UIE)的自然语言分析法对该医院2020—2022年互联网医疗平台的18 654条眼表疾病对话文本进行清洗、归类、分析。结果 咨询患者女性多于男性,小于60岁的咨询人群占比高达89.69%。研究构建了眼表疾病非结构化对话文本规范词词库,以及症状管理、就医流程等9个健康咨询需求维度,生成了每个维度词频排名前10位的高频词,所有关键词中排名前5位的高频词分别是“泛红”“玻璃酸钠”“痒”“环孢素”“干眼”。结论须重点关注的眼表疾病有眼干燥症、变应性结膜炎等,用药知识、症状管理、疾病知识、就医流程是患者咨询的热点,医护人员应加快构建这类疾病的线上健康教育方案,推动眼科智慧医疗和护理向纵深发展。