arXiv cs.CL· Miguel Lopez-Duran, Julian Fierrez, Aythami Morales, Ruben Tolosana, Daniel DeAlcala, Gonzalo Mancera, Javier Irigoyen, Oscar Delgado, Francisco Jurado, Alvaro Ortigosa·· 11 小时前AI 评分22
CrimeNER：面向语言智能研究与调查的犯罪领域命名实体识别数据集与方法
CrimeNER: Curated Dataset and Methods for Research and Investigation in Language Intelligence
AI 导读
CrimeNER 发布犯罪相关命名实体识别数据集 CrimeNER-db，包含从恐怖袭击公开报告和美国司法部新闻稿中提取的 1.5K 余份标注文档，定义 4 种粗粒度与 21 种细粒度犯罪实体类型。研究用扁平与嵌套 NER 架构做全监督实验，并用 LLM 做零样本与少样本实验以验证数据质量。数据集已在 GitHub 开放。
正文 · AI 翻译
摘要：从犯罪相关文档中提取关键信息是执法机构的一项重要任务。这种信息提取可以解释为命名实体识别（NER）任务。然而，关于一般真实世界犯罪场景的充分标注数据相当缺乏。为解决这一问题，我们提出了 CrimeNER，一个犯罪相关 NER 的案例研究，以及一个通用的犯罪相关命名实体识别数据库（CrimeNER-db），其中包含从恐怖袭击公开报告和美国司法部新闻稿中提取的 1500 多份标注文档。我们定义了 4 种粗粒度的犯罪实体类型和 21 种细粒度的实体类型。我们通过使用扁平与嵌套 NER 架构的全监督实验，以及使用大语言模型（LLM）的零样本和少样本实验，来验证所提供数据库的质量。该数据库已在 GitHub 上发布。
| 评论： | 29 页，5 张图，预印本 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；数据库（cs.DB） |
| 引用为： | arXiv:2603.02150 [cs.CL] |
| （或使用 arXiv:2603.02150v3 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2603.02150 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Miguel Lopez-Duran [查看邮箱]
[v1]
2026 年 3 月 2 日星期一 18:12:02 UTC（249 KB）
[v2]
2026 年 7 月 8 日星期三 09:02:49 UTC（96 KB）
[v3]
2026 年 10 月 23 日星期五 08:08:45 UTC（182 KB）
来源：arXiv cs.CL · arxiv.org