全文总字数：3517字
1. 毕业设计（论文）主要内容：
命名实体识别（NER）是信息提取的子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间表达式、数量等。即它是识别自然文本中的实体指称的边界和类别。本设计侧重于，基于漏洞信息描述文件，利用自然语言处理的文本挖掘技术，完成安全事件和信息的挖掘，培养数据分析能力。
本论文研究基于命名实体识别的漏洞利用信息挖掘，要求学生具备编程能力和基础安全知识，完成大量文本的安全信息实体和漏洞利用信息的自动化提取与分析工作，设计基于文本处理技术的安全信息实体的大规模、快速和自动化提取的算法，完成毕业设计论文。
本论文重点研究的问题：
2. 毕业设计（论文）主要任务及要求
1.查阅15篇相关文献（不少于5篇外文文献），并每篇书写200—300字文献摘要（装订成册，带封面）；2.认真填写周记，完成至少1500字开题报告（“设计的目的及意义”至少800汉字；“基本内容和技术方案”至少400汉字；进度安排应尽可能详细；）；3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；4.完成方法研究、算法设计与实现；5.按武汉理工大学理工类本科生毕业论文撰写规范撰写毕业论文，完成10000字以上的毕业论文；6.进行论文答辩。
3. 毕业设计（论文）完成任务的计划与安排
1.2020/1/11—2020/1/24：明确选题，查阅相关文献，外文翻译和撰写开题报告；2.2020/1/25—2020/4/30：系统架构，系统设计与开发（或算法研究与设计）、系统测试、分析、比较与完善；3.2020/5/1—2020/5/25：撰写论文初稿；修改论文，定稿并提交论文评审；4.2020/5/26—2020/6/6：准备论文答辩。
4. 主要参考文献
[1] Xuan Feng，Xiaojing Liao,XiaoFeng Wang, et al. Understanding and Securing Device Vulnerabilities through Automated Bug Report Analysis[C]. Proceedings of the 28th USENIX Security Symposium, 2019.[2] Ying Dong, Wenbo Guo,Yueqi Chen, et al. Towards the Detection of Inconsistencies in Public Security Vulnerability Reports[C]. Proceedings of the 28th USENIX Security Symposium, 2019.[3] Xuan Feng, Qiang Li, Haining Wang, et al. Acquisitional Rule-based Engine for Discovering Internet-of-Thing Devices[C]. Proceedings of the 27th USENIX Security Symposium,Baltimore, 2018.[4] Xiaojing Liao, Kan Yuan, XiaoFeng Wang, et al. Acing the IOC game Toward automatic discovery and analysis of open-source cyber threat intelligence[C]. Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security，2016.[5] Stanovsky, Gabriel, Julian Michael, Luke Zettlemoyer, et al. Supervised open information extraction[C]. Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics,New Orleans, 2018.[6] Kejriwal, Mayank, and Pedro Szekely. Information extraction in illicit web domains[C]. Proceedings of the 26th International Conference on World Wide Web, 2017.[7] Yangkai Lin, Zhiyuan Liu, Maosong Sun, et al. Learning entity and relation embeddings for knowledge graph completion[C]. Proceedings of Twenty-ninth AAAI conference on artificial intelligence, 2015.[8] Xu Han, Tianyu Gao, Yuan Yao, et al. OpenNRE: An Open and Extensible Toolkit for Neural Relation Extraction[C]. Proceedings of the Conference on Empirical Methods in Natural Language Processing(EMNLP),2019.[9] Ruidong Wu, Yuan Yao, Xu Han, et al. Open Relation Extraction: Relational Knowledge Transfer from Supervised Data to Unsupervised Data[C]. Proceedings of the Conference on Empirical Methods in Natural Language Processing(EMNLP),2019.[10] Hao Zhu, Yankai Lin, Zhiyuan Liu, et al. Graph Neural Networks with Generated Parameters for Relation Extraction[C]. Proceedings of the 57th Annual Meeting of ACL,2019.[11] Shun Zheng, Xu Han, Yankai Lin, et al. DIAG-NRE: A Neural Pattern Diagnosis Framework for Distantly Supervised Neural Relation Extraction[C]. Proceeding of the 57th Annual Meeting of ACL,2019.[12] Jing Li,Aixin Sun, Jianglei Han, et al. A Survey on Deep Learning for Named Entity Recognition.arXiv preprint arXiv:1812.09449,2018.[13] 王苏, Josh Levy. 命名实体识别的应用[J]. 西南林业大学学报（社会科学），2017-02-15：P105-110.[14] 李慧琳，柴玉梅，孙穆祯. 面向文本命名实体识别的深层网络模型[J]. 小型微机计算机系统，2019，第40卷：P50-57.[15] 鄂海红，张文静，肖思琪，et al. 深度学习实体关系抽取研究综述[J]. 软件学报，2019，第30卷：P1793-1818.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
