arXiv cs.CL· Maciej Jalocha, Johan Hausted Schmidt, William Michelsen·· 11 小时前AI 评分18
网络安全 NER 跨数据集泛化中的标签统一研究
Label Unification for Cross-Dataset Generalization in Cybersecurity NER
AI 导读
针对网络安全 NER 缺乏标准化标签、数据集难以合并的问题，研究对四个网络安全数据集做粗粒度标签统一，并用 RoBERTa 进行两两跨数据集评测。在所选的映射与训练设置下，统一训练在全部四个开发集上均不如对应的单数据集基线；共享权重的多头模型与基于图的迁移模型也未带来一致收益。
正文 · AI 翻译
摘要：网络安全 NER 领域缺乏标准化标签，使得数据集难以合并。我们研究了四个网络安全数据集之间的标签统一问题，以提高数据资源的可用性。我们进行了粗粒度标签统一，并使用 RoBERTa 模型开展了两两跨数据集评估。对预测结果的定性分析揭示了错误、局限性和数据集差异。为解决统一化的局限性，我们提出了替代架构，包括多头模型和基于图的迁移模型。在我们选定的映射和训练设置下，统一训练在全部四个开发集上的表现均不如相应的单数据集基线。权重共享的多头模型相比单数据集基线没有带来一致的收益，基于图的迁移模型也没有表现出一致的收益。
| 评论： | 7 页，15 张表，1 个公式 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2507.13870 [cs.CL] |
| （或 arXiv:2507.13870v3 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2507.13870 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Maciej Jalocha [查看邮箱]
[v1]
2025 年 7 月 18 日星期五 12:47:20 UTC（18 KB）
[v2]
2025 年 8 月 31 日星期日 11:08:10 UTC（18 KB）
[v3]
2026 年 10 月 20 日星期二 13:09:10 UTC（30 KB）
来源：arXiv cs.CL · arxiv.org