CrimeNER：犯罪领域命名实体识别数据集与方法

论文发布犯罪领域 NER 数据集 CrimeNER-db 及基线实验

资讯摘要

论文提出 CrimeNER，一个面向犯罪相关文档命名实体识别（NER）的案例研究与数据集 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 余篇标注文档，定义 4 种粗粒度与 21 种细粒度犯罪实体类型。作者用扁平与嵌套 NER 架构做全监督实验，并用大语言模型做零样本与少样本实验以检验数据质量，数据集已在 GitHub 发布。

要点速读

1. CrimeNER-db 含 1.5K 余篇标注文档，来源为恐怖袭击公开报告与美国司法部新闻稿
2. 实体体系包含 4 种粗粒度类型和 21 种细粒度类型
3. 作者报告了扁平/嵌套 NER 全监督实验及 LLM 零样本、少样本实验，数据集发布于 GitHub

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。