基于多维文本引导与空间对齐协同注意力的网站所有者命名实体识别

基于摘要分析。本文研究网站所有者命名实体识别（Owner Named Entity Recognition，ONER），目标是从网站文本、图像及域名中识别网站的真实所有者，服务于网络安全。作者提出 Multidimensional Text Guidance and Space Alignment Co-Attention（MTGSAC）模型，并扩展已有 ONER 数据集，提出 ONER-2.0。 核心机制针对两个问题：既有方法将图像与域名作为独立模态提取特征，未充分利用其中的文本信息；不同模态的特征位于各自的表示空间，增加了跨模态交互建模的难度。MTGSAC 利用图像和域名中的文本信息指导文本模态的特征提取，并通过基于 Transformer 与 co-attention gate mechanism 的特征融合模块建模跨模态交互。摘要未说明空间对齐的具体实现、文本获取方式、损失函数及训练流程，这些细节尚未验证。 作者报告，MTGSAC 在 ONER 和 ONER-2.0 两个数据集上达到当时最先进的性能，但摘要未提供指标名称、具体数值、数据划分或对照基线，无法据此量化改进幅度。ONER-2.0 的扩展旨在缓解已有数据样本不足与多样性不足的问题；其规模、标注规范、分布差异，以及实验协议、消融及统计信息尚未验证。 该研究的主要对象是网站实体识别，而非神经信号解码；方法依赖文本、图像与域名之间的语义关联。现有材料未提供其与 EEG/BCI 瓶颈的具体对应机制，因此不将通用跨模态融合能力视为 BCI 有效性的证据，也不据此提出迁移实验。已有 EEG 相关工作尚未检索确认。