警务本体论：概念知识学习用于法律执法报告的语义理解与推理
计算与语言
2026-05-18 v1 人工智能
计算机科学中的逻辑
摘要
警务报告包含结构化字段和书面叙述，但许多需要用于审查、警务培训和调查的事件事实都以自然语言形式出现，需手动阅读才能获取。我们提出了一个使用符号方法将叙述转化为关联证据的事实的框架。我们的目标是仅从非结构化文本中恢复事件细节的价值，并构建带时间线索和领域公理的时序图。为实现这一目标，我们通过删除个人标识符、语义解析、映射到本体论以及推理来实现。我们在450份财产犯罪报告和一次简短的人类审查上对符号方法进行评估。系统提取的事件中，54.1%的置信度至少为0.80，93.7%通过 PropBank--VerbNet--WordNet 语义路径进行映射。对事件发起、被盗物品和时间线索的一致性达到100%，而对强制进入解释的一致性较低。
引用
@article{arxiv.2605.15978,
title = {Ontology for Policing: Conceptual Knowledge Learning for Semantic Understanding and Reasoning in Law Enforcement Reports},
author = {Anita Srbinovska and Jansen Orfan and Adrian Martin and Ernest Fokoué},
journal= {arXiv preprint arXiv:2605.15978},
year = {2026}
}
备注
13 pages, 8 figures, 9 tables