PulseAugur
实时 10:00:46
English(EN) Named-Entity Recognition in the Crime Domain (CrimeNER): Case Study and Dataset

新型CrimeNER数据集和NER系统发布,服务于执法部门

研究人员开发了CrimeNER,一个旨在从犯罪相关文档中提取关键信息的新型命名实体识别(NER)系统和数据库。CrimeNER-db包含1500多份经过标注的文档,这些文档来自关于恐怖袭击的公开报告和美国司法部的新闻稿。该系统定义了4个粗粒度和21个细粒度的实体类型,并通过全监督和少样本学习模型的实验证明了其有效性。 AI

影响 这项研究可以通过自动化从犯罪报告中提取信息来提高执法部门的效率。

排序理由 该集群包含一篇学术论文,详细介绍了用于命名实体识别的新数据集和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型CrimeNER数据集和NER系统发布,服务于执法部门

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Miguel Lopez-Duran, Julian Fierrez, Aythami Morales, Daniel DeAlcala, Gonzalo Mancera, Javier Irigoyen, Ruben Tolosana, Oscar Delgado, Francisco Jurado, Alvaro Ortigosa ·

    Named-Entity Recognition in the Crime Domain (CrimeNER): Case Study and Dataset

    arXiv:2603.02150v2 Announce Type: replace-cross Abstract: The extraction of critical information from crime-related documents is a crucial task for law enforcement agencies. The extraction of this information can be interpreted as a Named-Entity Recognition (NER) task. However, t…