本论文介绍了一种利用半监督自然语言处理和引导式算法从文本中提取安全实体与其关系的方法，并在小型语料库上进行测试，结果表明可以较高准确地实现此目的。

Apr, 2015

提出一种语义增强方法，该方法结合了不同的语言特征以识别和分类非结构化文本中的网络安全名称和概念，实验证明该方法有效。

Jul, 2022

建立 CTI 数据集，使用 spaCy 框架和自我学习方法训练和测试网络安全实体模型，并探索将其与 Wikidata 的现有世界知识相链接的方法。

Aug, 2022

本研究提出了一个数据标注流程，从包括普通和领域特定实体的冠状病毒新闻文章中生成训练数据，并在领域专家手动标注的测试句子上评估训练模型的性能。

Apr, 2024

本文介绍了一种利用自然语言处理技术应用于网络安全领域的生成式多任务模型（UTS），该模型能够训练并应用于多种网络威胁检测、漏洞检测和社交媒体数据处理任务，能提高网络安全数据集的性能，同时减少了人工验收数据的成本。

Feb, 2023

监测威胁环境以便了解实际或潜在攻击对于网络安全专业人员来说至关重要。自然语言处理可以帮助管理大量的非结构化信息，但是迄今为止，这个话题一直未受到足够关注。本文提出了 AnnoCTR，一个新的以 CC-BY-SA 许可发布的网络威胁报告数据集。该数据集由领域专家进行标注，标注了命名实体、时间表达式和包括隐含技术和策略等网络安全特定概念。实体和概念与维基百科和 MITRE ATT&CK 知识库相连，这是最广泛使用的用于对攻击类型进行分类的分类法。我们的数据集以更细粒度的方式标注了整个文档，而不是提供每个文档的单个标签或对句子进行标注。在实验研究中，我们使用最先进的神经模型对我们数据集的标注进行建模。在我们的少样本场景中，我们发现对于识别文本中明确或隐含提到的 MITRE ATT&CK 概念，MITRE ATT&CK 的概念描述是一种有效的训练数据增强来源。

Apr, 2024

本文研究信息提取方法，提出利用人工验证的弱监督标记方法，结合人工与计算机快速处理，以实现在精度要求高的情境下避免纯手工提取耗时过长的难题，并在犯罪司法数据集上实证其优越性。

Feb, 2023

本文提出了一种通过使用转移学习的方法，并结合深度神经网络和统计分类器的结合来进行信息提取，将该方法应用于日本政府工程竞标实际案例的文档处理中，证明了该模型能够提取具有详细信息精度的细粒度命名实体。

Mar, 2020

本研究使用自然语言处理技术，旨在解决获取发展中国家公司财务数据的问题。通过构建专门针对发展中国家金融文本数据的数据集，我们采用基于 Transformer 的 T5 模型进行文本到文本的处理，同时进行命名实体识别和关系提取，达到 92.44% 的准确率、68.25% 的精确度和 54.20% 的召回率。同时，我们还使用 SpaCy 进行序列处理，包括预训练和微调模型的命名实体识别以及使用 SpaCy 的依赖解析器输出和一些启发式方法来确定实体关系，最终实现了 84.72% 的准确率、6.06% 的精确度和 5.57% 的召回率。

Mar, 2024

本文提出了使用远程监督自动生成训练数据，利用结构化知识库和神经网络模型来提高事件抽取的效果的方法。通过实验结果表明，该方法可以大量生成高质量的训练数据，并且可以识别出多种类型的事件。

Dec, 2017