論文の概要: Ontology for Policing: Conceptual Knowledge Learning for Semantic Understanding and Reasoning in Law Enforcement Reports
- arxiv url: http://arxiv.org/abs/2605.15978v1
- Date: Fri, 15 May 2026 14:12:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.307842
- Title: Ontology for Policing: Conceptual Knowledge Learning for Semantic Understanding and Reasoning in Law Enforcement Reports
- Title（参考訳）: 分析のためのオントロジー:法執行報告書における意味的理解と推論のための概念的知識学習
- Authors: Anita Srbinovska, Jansen Orfan, Adrian Martin, Ernest Fokoué,
- Abstract要約: 本稿では,物語をエビデンス関連事実に変換するためのシンボリックな手法を用いた枠組みを提案する。
我々の目的は、物語の価値を測定し、未構造化のテキストからのみインシデントの詳細を復元することである。
450件の財産犯罪報告の象徴的アプローチと人的レビューについて検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Law enforcement reports contain structured fields and written narratives. However, many incident facts that are needed for review, police training, and investigations are in natural language and require manual reading. We propose a framework using symbolic methods for converting narratives into evidence-linked facts. Our objective is to measure the value of narratives to recover incident details only from the unstructured text and build temporal graphs with time cues and domain axioms. We achieve this by redacting personal identifiers, semantic parsing, predicate mapping to ontology, and reasoning. We evaluate the symbolic approach on 450 property crime reports and a short human review. Of the extracted events from the system, 54.1% had a confidence score of at least 0.80 and 93.7% were mapped through the PropBank--VerbNet--WordNet semantic path. 100% agreement was reached on incident initiation, stolen items, and temporal cues and lower agreement for forced entry interpretation.
- Abstract（参考訳）: 法執行機関の報告書には、構造化されたフィールドと書かれた物語が含まれている。
しかし、レビュー、警察の訓練、調査に必要な多くの事件事実は自然言語であり、手作業で読む必要がある。
本稿では,物語をエビデンス関連事実に変換するためのシンボリックな手法を用いた枠組みを提案する。
我々の目的は、物語の価値を測定し、構造化されていないテキストからのみインシデントの詳細を復元し、時間キューとドメインの公理を持つ時間グラフを構築することである。
我々は、個人識別子を再実行し、意味解析、オントロジーへの述語マッピング、推論によってこれを実現する。
450件の財産犯罪報告の象徴的アプローチと人的レビューについて検討した。
システムから抽出されたイベントのうち54.1%は信頼スコアが0.80以上、93.7%はPropBank-VerbNet-WordNetのセマンティックパスでマッピングされた。
100%の合意は, インシデント開始, 盗品, 時間的手がかり, 強制エントリー解釈に関する低額の合意に到達した。
関連論文リスト
- Retrieving Climate Change Disinformation by Narrative [8.38832892170716]
我々は,ナラティブ検出を検索タスクとして再編成し,ナラティブのコアメッセージをクエリとして与え,そのナラティブと整合してコーパスからテキストをランク付けする。
抽象的な記述と具体的なテキストのインスタンス化のギャップを埋めるための仮説文書を生成するフレームワークであるSpecFiを提案する。
論文 参考訳（メタデータ） (2026-03-23T14:26:18Z) - RedacBench: Can AI Erase Your Secrets? [48.280759014096354]
ドメインと戦略間のポリシー条件付きリアクションを評価するベンチマークであるRedacBenchを紹介します。
RedacBenchは、オリジナルのセマンティクスを保持しながらポリシー違反情報を選択的に除去するモデルの能力を測定する。
我々は8,053の注釈付き命題を用いて、各テキスト中のすべての推測可能な情報をキャプチャする性能を定量化する。
論文 参考訳（メタデータ） (2026-03-02T06:29:49Z) - Improving Narrative Classification and Explanation via Fine Tuned Language Models [6.310433217813068]
本研究は,(1)ニュース記事における物語とサブナラティブのマルチラベル分類,(2)簡潔でエビデンスに基づく,支配的な物語の説明の生成という2つの課題に取り組む。
GPT-4oパイプラインを用いた総合的な物語検出, 予測の精細化のためのリコール指向アプローチにより, BERTモデルを微調整する。
本研究は, メディア分析, 教育, インテリジェンス収集における補助知識の活用により, 分類精度が向上し, 信頼性が向上することを示す。
論文 参考訳（メタデータ） (2025-09-04T10:12:31Z) - Unsupervised Pretraining for Fact Verification by Language Model
Distillation [4.504050940874427]
SFAVEL (Self-supervised Fact Verification via Language Model Distillation) は,教師なし事前学習フレームワークである。
アノテーションを必要とせずに、自己管理機能を高品質なクレーム-ファクトアライメントに分解する。
これは、特徴が高品質なクレームとエビデンスアライメントを達成することを奨励する、新しい対照的な損失関数によって実現されている。
論文 参考訳（メタデータ） (2023-09-28T15:53:44Z) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。
アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。
我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
論文 参考訳（メタデータ） (2021-04-01T17:40:08Z) - Narrative Incoherence Detection [76.43894977558811]
本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。
複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
論文 参考訳（メタデータ） (2020-12-21T07:18:08Z) - Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。
以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
論文 参考訳（メタデータ） (2020-10-04T05:24:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。