基于 FrameNet 的语义建模评估：用于临床记录中性别基于暴力检测
计算与语言
2026-03-20 v1
摘要
性别暴力（GBV）是重大公共卫生问题，世界卫生组织估计每三位妇女中就有一位在其一生中经历由亲密伴侣造成的身体或性暴力。巴西尽管医疗专业人员法律要求报告此类案件，但由于难以识别暴力行为并受限于公共信息系统的集成度，仍存在显著的报告不足。本研究探讨了对电子医疗记录中开放文本字段进行 FrameNet 语义标注，以支持暴力模式识别。我们比较了三种 SVM 分类器：(1) 基于帧标注文本训练，(2) 标注文本结合参数化数据训练，(3) 仅使用参数化数据训练。定量和定性分析表明，包含语义标注的模型优于分类模型，F1 分数提升超过 0.3，证明了领域特定的语义表示在结构化人口统计数据之外提供了有意义的信号。这些发现支持了对临床叙述进行语义分析可提前识别策略，从而支持更有信息的公共卫生干预的假设。
引用
@article{arxiv.2603.18124,
title = {Evaluating FrameNet-Based Semantic Modeling for Gender-Based Violence Detection in Clinical Records},
author = {Lívia Dutra and Arthur Lorenzi and Frederico Belcavello and Ely Matos and Marcelo Viridiano and Lorena Larré and Olívia Guaranha and Erik Santos and Sofia Reinach and Pedro de Paula and Tiago Torrent},
journal= {arXiv preprint arXiv:2603.18124},
year = {2026}
}
备注
Paper accepted to the Lang4Heath Workshop at PROPOR 2026