(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210203550.8 (22)申请日 2022.03.02 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 马颖华　陈秀真　裘炜程　赖柏希　 于海洋　马进　段圣雄　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 专利代理师 胡晶 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/284(2020.01) G06F 40/216(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 信息安全知识实体 关系连接预测方法、 系统 及介质 (57)摘要 本发明提供一种信息安全知识实体关系连 接预测方法、 系统及介质， 包括数据处理模块： 构 成图数据， 输入图卷积网络表示模块； 对实体描 述文本数据进行预处理， 将输 出作为Word2Vec表 示模块的输入； 图卷积网络表示模块： 接收图数 据， 训练TextGCN模型， 并生成文本的 图卷积网络 表示向量； Wor d2Vec表示模块： 训练Wor d2Vec模 型， 并生成文本的Word2Vec表示向量； 孪生网络 表示模块： 训练孪生网络模型， 并生成孪生网络 表示向量； 连接判断模块： 根据目标实体对各自 的孪生网络表示向量， 计算两者的欧氏距离， 若 距离小于阈值， 则判断为有连接。 本发明能够准 确判断实体间是否有 连接， 确保补足数据的正确 性、 减少人工分析成本 。 权利要求书2页 说明书8页 附图5页 CN 114579761 A 2022.06.03 CN 114579761 A 1.一种信息安全知识实体关系连接预测系统， 其特 征在于， 包括： 数据处理模块： 将信息安全知识中的文本数据进行词的抽取处理， 采集信息安全知识 的全部文本描述数据并进行数据预处理； 将词存在于实体的文本描述数据之中的关系， 作 为实体节点以及文本词汇节点之 间的关系， 构成图数据； 输出图数据， 该图数据作为图卷积 网络表示模块的输入； 输出预处理后的实体描述文本数据， 该实体描述文本数据作为 Word2Vec表示模块的输入； 图卷积网络表示模块： 接收图数据， 训练TextGCN模型， 并生成文本的图卷积网络表示 向量； Word2Vec表示模块： 接收预处理后的实体描述文本数据， 训练Word2Vec模型， 并生成文 本的Word2Vec表示向量； 孪生网络表示模块： 合并图卷积网络表示向量和Word2Vec表示向量， 训练孪生网络模 型， 并生成孪生网络表示向量； 连接判断模块： 根据目标实体对各自的孪生网络表示向量， 计算两者的欧氏距离， 若距 离小于阈值， 则判断为有连接 。 2.根据权利要求1所述的信 息安全知识实体关系连接预测系统， 其特征在于， 所述数据 处理模块包括： 将单词和句子作为图节 点、 PMI特征和TF ‑IDF特征作为图的边， 构成图数据， 输入图卷积网络表示模块； 对实体描述文本数据进行 预处理包括： 根据空格分词、 停用词删除及低频词删除。 3.根据权利要求1所述的信 息安全知识实体关系连接预测系统， 其特征在于， 所述图卷 积网络表示模块具体包括： 接收图数据， 按照7:2:1划分训练集、 验证集和测试集， 训练 TextGCN模型， 并生成文本的图卷积网络表示向量。 4.根据权利要求1所述的信息安全知识实体关系连接预测系统， 其特征在于， 所述 Word2Vec表示模块中， 训练W ord2Vec模型使用Sk ip‑gram算法。 5.根据权利要求1所述的信 息安全知识实体关系连接预测系统， 其特征在于， 所述孪生 网络表示模块具体包括： 合并图卷积网络表 示向量和Word2Vec表 示向量， 按照7:2:1划分训 练集、 验证集和 测试集， 训练孪生网络模型， 并生成孪生网络表示向量。 6.一种信息安全知识实体关系连接预测方法， 其特 征在于， 包括： 步骤S1： 采集信息安全知识库中的实体英语描述文本， 保存数据库中实体间的现有连 接； 步骤S2： 根据空格分词、 删除停用词、 剔除出现次数小于阈值的低频词， 生成信息安全 语料库； 步骤S3： 训练W ord2Vec模型， 生成每 个单词的词向量； 步骤S4： 给定两类概念及概念对应的所有实体， 将所有词和句作为图的节点、 词存在于 句之中的关系作为图的边， 构成图数据； 步骤S5： 步骤S1中现有连接作 为正样本， 不存在连接的实体对作为非正样本， 从非正样 本中随机 选取与正样本等 量的负样本， 划分训练集、 测试集和验证集； 步骤S6： 将训练集输入图卷积网络， 每个训练轮次计算正负样本的间隔损失函数， 并更 新网络参数； 步骤S7： 输出每个节点的向量， 保存句节点的向量作为每个实体文本的图卷积网络表权　利　要　求　书 1/2 页 2 CN 114579761 A 2示向量； 步骤S8： 根据步骤S3生成的词向量， 计算每 个实体文本的W ord2Vec表示向量； 步骤S9： 对每个实体文本， 将步骤S7和步骤S8生成的图卷积网络表示向量和Word2Vec 表示向量 合并， 划分训练集、 测试集和验证集； 步骤S10： 将训练集输入孪生网络， 每个训练轮次计算样本对的对比损失函数， 并使用 Adam优化器更新网络参数； 步骤S11： 将测试集样本对输入孪生网络， 输出两样本的向量作为孪生网络表示向量。 7.根据权利要求6所述的信 息安全知识实体关系连接预测方法， 其特征在于， 所述步骤 S3具体包括： 使用Python的gensim库、 选择Skip ‑gram算法训练Word2Vec模型， 生成每个单 词的词向量。 8.根据权利要求6所述的信 息安全知识实体关系连接预测方法， 其特征在于， 所述步骤 S5包括： 从非正样本中随机选取与正样本等量的负样本， 按照7:2:1的比例划分训练集、 测 试集和验证集。 9.根据权利要求6所述的信 息安全知识实体关系连接预测方法， 其特征在于， 所述步骤 S9包括： 对每个实体文本， 将图卷积网络表示向量和Word2Vec表示向量合并， 按照 7:2:1的 比例划分训练集、 测试集和验证集。 10.一种存储有计算机程序的计算机可读存储介质， 其特征在于， 所述计算机程序被处 理器执行时实现权利要求6 至9中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114579761 A 3