💬 NLP

Ontology for Policing: Conceptual Knowledge Learning for Semantic Understanding and Reasoning in Law Enforcement Reports

Questo articolo propone un quadro simbolico che converte narrazioni non strutturate delle forze dell'ordine in fatti collegati alle prove e grafi temporali integrando l'analisi semantica, la mappatura ontologica e il ragionamento, dimostrando un'elevata accuratezza nell'estrazione di dettagli chiave degli incidenti da rapporti su reati contro il patrimonio.

Autori originali: Anita Srbinovska, Jansen Orfan, Adrian Martin, Ernest Fokoué

Pubblicato 2026-05-18

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Anita Srbinovska, Jansen Orfan, Adrian Martin, Ernest Fokoué

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina un rapporto di polizia come una storia in due parti. La prima parte è come un elenco di controllo: ha caselle per la data, il tipo di reato (come "Furto con scasso") e il numero di pratica. Questo è facile da leggere per i computer perché è ordinato e strutturato.

La seconda parte è la narrazione: un paragrafo scritto dall'agente che descrive esattamente cosa è accaduto. È qui che vive la vera storia: dettagli su come è stata rotta una finestra, chi era coinvolto e l'ordine degli eventi. Ma poiché è scritta in inglese comune, è come un mucchio disordinato di pezzi di puzzle che un computer non riesce a ordinare facilmente senza aiuto.

Questo articolo presenta un nuovo modo per organizzare quei pezzi di puzzle disordinati utilizzando un sistema "simbolico" (immaginalo come un traduttore molto rigoroso e basato su regole) piuttosto che un sistema di "indovinare" (come l'IA moderna che prevede la parola successiva).

Ecco come funziona il loro sistema, scomposto in passaggi semplici:

1. Il Filtro per la Privacy (Anonimizzazione)

Prima che il computer legga la storia, indossa un paio di "occhiali da privacy". Scansiona il testo e copre nomi sensibili, indirizzi e numeri di telefono, sostituendoli con etichette generiche come [PERSONA_1] o [SOSPETTO]. Questo garantisce che il sistema impari dagli eventi, non dalle identità specifiche delle persone coinvolte.

2. Il Traduttore (Analisi Semantica)

Una volta che il testo è sicuro, il sistema agisce come un traduttore che non si limita a leggere le parole, ma comprende la struttura dell'azione. Scompone le frasi in un formato "Chi ha fatto Cosa a Chi".

La Metafora: Immagina che la frase "Il sospetto ha rotto la finestra" sia una frase in una lingua straniera. Il sistema la traduce in un codice universale: Azione: Rompere, Attore: Sospetto, Oggetto: Finestra.
Utilizza un dizionario massiccio (chiamato WordNet) e un libro di grammatica (VerbNet) per assicurarsi di comprendere che "rubare" è un tipo di "prendere", e che una "finestra" fa parte di un "edificio".

3. Il Manuale di Regole (L'Ontologia)

Il sistema prende quindi questi fatti tradotti e cerca di inserirli in un Manuale di Regole preesistente (chiamato Ontologia). Immagina questo manuale come un archivio rigoroso con cassetti specifici etichettati "Furto", "Effrazione" o "Danno al Veicolo".

Se il sistema vede un'azione di "prendere" senza autorizzazione, tenta di archiviarla sotto "Furto".
Se vede un'azione di "rompere", tenta di archiviarla sotto "Effrazione".
Il sistema verifica il proprio lavoro: "Questo si adatta alle regole per un furto? Sì. C'è un oggetto rubato? Sì. Ok, sono sicuro che si tratti di un furto."

4. Il Costruttore della Cronologia (Ragionamento Temporale)

Infine, il sistema cerca indizi temporali come "poi", "prima" o "dopo" per costruire una cronologia.

La Metafora: È come disporre una serie di domino. Se il testo dice: "Il sospetto ha rotto la finestra prima di entrare", il sistema posiziona il domino "Rompere" prima del domino "Entrare". Utilizza anche regole di buon senso (assiomi), come sapere che l'"effrazione" avviene solitamente prima del "furto".

Cosa Hanno Scoperto?

I ricercatori hanno testato questo sistema su 450 rapporti di polizia reali riguardanti reati contro il patrimonio (come furti con scasso e auto rubate).

Tasso di Successo: Circa il 54% degli eventi identificati dal sistema era molto sicuro (punteggio 0,80 o superiore su 1,0).
Accuratezza: Quando revisori umani hanno verificato il lavoro del sistema, hanno concordato al 100% su tre punti chiave:
1. Come è iniziato l'incidente.
2. Quali oggetti sono stati rubati.
3. Gli indizi temporali specifici utilizzati nel testo.
La Difficoltà: Il sistema ha avuto più difficoltà a concordare con gli umani sul fatto che un'entrata fosse "forzata" (come rompere una finestra rispetto a una porta aperta). Questa è stata la parte più confusa, con un accordo del solo 40%.

La Conclusione

L'articolo sostiene che, utilizzando regole rigide e dizionari invece di "indovinare", questo sistema può trasformare le storie disordinate della polizia in fatti chiari e organizzati che possono essere ricondotti alla frase originale. È come trasformare un diario scritto a mano e disordinato in un database strutturato, aiutando gli investigatori a vedere modelli e cronologie senza dover leggere manualmente ogni singola parola.

Nota Importante: Gli autori sono chiari sul fatto che questo strumento è destinato all'analisi e all'organizzazione. Non è progettato per prendere decisioni finali sulle indagini o per giudicare le persone; aiuta semplicemente a organizzare le prove in modo che gli umani possano riesaminarle meglio.

Riepilogo Tecnico: Ontologia per l'Attività di Polizia – Apprendimento di Conoscenza Concettuale per la Comprensione Semantica e il Ragionamento nei Rapporti di Polizia

1. Enunciato del Problema

I rapporti sugli incidenti delle forze dell'ordine sono costituiti da metadati strutturati (ad esempio, numeri di caso, codici di reato) e narrazioni in linguaggio naturale non strutturato. Sebbene i dati strutturati supportino il filtraggio e il conteggio di base, i dettagli investigativi critici — come la sequenza cronologica degli eventi, i ruoli specifici dei partecipanti, i metodi di ingresso e gli oggetti rubati — sono spesso incorporati esclusivamente all'interno del testo narrativo. L'accesso sistematico a questi dettagli è difficile a causa del volume dei rapporti, della variazione linguistica e della necessità di oscurare le Informazioni di Identificazione Personale (PII) per la privacy. I metodi attuali, che si basano su corrispondenze di stringhe superficiali o su revisioni manuali, creano colli di bottiglia per investigatori e analisti. La sfida fondamentale consiste nel convertire queste narrazioni non strutturate e oscurate in "fatti collegati alle prove" che siano leggibili dalle macchine, verificabili e capaci di supportare il ragionamento logico senza perdere la tracciabilità rispetto al testo sorgente.

2. Metodologia

Gli autori propongono un framework simbolico che trasforma le narrazioni di polizia in un'ontologia formale utilizzando una pipeline multistadio. L'approccio evita l'apprendimento automatico per il livello finale di ragionamento, affidandosi invece alla comprensione naturale del linguaggio simbolica (NLU) e alla rappresentazione della conoscenza.

A. Preprocessing e Oscuramento

Estrazione: I rapporti PDF vengono elaborati tramite Riconoscimento Ottico dei Caratteri (OCR) per estrarre la sezione narrativa, convertendo il testo in maiuscolo/minuscolo e rimuovendo gli artefatti.
Oscuramento: Un sistema basato su regole, utilizzando il riconoscimento di entità nominate spaCy, espressioni regolari e metadati, oscura le PII (nomi, indirizzi, date, dettagli dei veicoli).
Pseudonimizzazione: Le entità vengono sostituite con segnaposto standardizzati (ad esempio, [PERSONA_1], Vittima, Sospetto) mantenendo un registro di mappatura per garantire la tracciabilità.

B. Analisi Semantica (Il Livello Semantico)

Il testo oscurato viene analizzato in grafi di Rappresentazione del Significato Astratto (AMR) utilizzando il parser AMRlib (un modello BART-large).

Struttura del Grafo: L'AMR rappresenta il significato della frase come un grafo di predicati (eventi) e dei loro argomenti (partecipanti).
Ancoraggio dei Ruoli: I pseudonimi vengono mappati su tipi semantici specifici (ad esempio, Persona, Veicolo) e ruoli (ad esempio, Agente, Paziente) all'interno del grafo.
Risorse Lessicali: Il sistema utilizza una catena di database lessicali per normalizzare predicati e argomenti:
- PropBank: Fornisce i sensi dei verbi e i ruoli degli argomenti.
- VerbNet (tramite SemLink): Mappa i sensi di PropBank su classi verbali semantiche.
- WordNet: Fornisce gerarchie iponimiche per la classificazione "è-un" degli argomenti (ad esempio, distinguere una "finestra" come parte strutturale).

C. Costruzione e Mappatura dell'Ontologia

I grafi AMR estratti vengono mappati su un'ontologia OWL 2 costruita in Protégé.

Struttura: L'ontologia include un TBox (schema di classe), un RBox (schema di proprietà) e un ABox (fatti di istanza). Le classi chiave includono Evento, Entità e RuoloDiPartecipazione.
Regole di Mappatura: Le strutture predicato-argomento (ad esempio, rubare-01 :ARG0 x :ARG1 y) vengono convertite in asserzioni ontologiche (ad esempio, EventoFurto(e), haAgente(e,x)).
Vincoli di Logica Descrittiva (DL): Il sistema impone invarianti strutturali, come garantire che ogni partecipazione sia collegata a un evento e che specifici tipi di evento (ad esempio, EventoFurto) richiedano partecipanti specifici (ad esempio, un Oggetto rubato).

D. Classificazione degli Eventi e Punteggio di Confidenza

Il sistema assegna tipi di evento (ad esempio, EventoIngressoForzato, EventoFurto) e calcola un punteggio di confidenza $c(e) \in [0,1]$ .

Classificazione in Due Stadi:
1. Stadio della Famiglia di Predicati: Genera tipi candidati grezzi basati sulla famiglia di verbi.
2. Stadio Sensibile agli Argomenti: Affina il tipo in base ai tipi semantici degli argomenti (ad esempio, rafforzando un'interpretazione di "furto" se l'oggetto è un bene di proprietà).
Calcolo della Confidenza: Il punteggio è una somma euristica di:
- Punteggio Base: Determinato dalla categoria dell'evento (ad esempio, gli eventi di incidente principali partono da 0,55).
- Ancoraggio Lessicale: Bonus per la mappatura completa PropBank→VerbNet→WordNet.
- Supporto Strutturale: Bonus per la corrispondenza con modelli attesi (ad esempio, presenza di un oggetto rubato).
- Penalità: Sottrazioni per ambiguità, negazione o linguaggio incerto.
- Punteggio Finale: Una combinazione ponderata del prior delle regole (70%) e del punteggio basato sulle prove (30%).

E. Ragionamento Temporale

Il sistema costruisce grafi temporali in cui i nodi sono eventi e gli archi sono relazioni di precedenza.

Archi Basati su Indizi: Derivati da marcatori temporali nel testo (ad esempio, "poi", "prima", "dopo").
Assiomi di Dominio: Regole logiche impongono la precedenza basata sulla procedura di polizia (ad esempio, un EventoIngressoForzato tipicamente precede un EventoFurto).

3. Contributi Chiave

Estrazione di Fatti Collegati alle Prove: Una pipeline che converte narrazioni oscurate in fatti strutturati tracciabili fino a frasi specifiche, affrontando il collo di bottiglia della revisione manuale.
NLU Simbolica per la Polizia: Una dimostrazione che i metodi simbolici (AMR + Ontologia) possono gestire la variazione linguistica e i vincoli di privacy dei rapporti di polizia senza affidarsi a modelli di apprendimento automatico "black-box" per il ragionamento finale.
Costruzione di Grafi Temporali: L'integrazione di indizi linguistici e assiomi di dominio per ricostruire le cronologie degli eventi da testo non strutturato.
Confidenza Verificabile: Un meccanismo di punteggio che quantifica l'affidabilità degli eventi estratti, consentendo agli analisti di filtrare i risultati in base a soglie di confidenza.

4. Risultati

Il framework è stato valutato su un corpus di 450 rapporti su reati contro il patrimonio (Effrazione, Furto, Furto di Veicoli a Motore, Rapina, Proprietà Rubata) del Dipartimento di Polizia di Rochester.

Prestazioni di Estrazione:
- Il sistema ha estratto 6.686 eventi e 6.652 frame.
- Il 54,1% degli eventi estratti ha raggiunto un punteggio di confidenza $\ge 0,80$ .
- Il 93,7% degli eventi è stato mappato con successo attraverso l'intero percorso semantico PropBank→VerbNet→WordNet.
- La copertura di ARG1 (paziente/oggetto) è stata elevata (78,8%), mentre la copertura di ARG0 (agente) è stata inferiore (29,8%), riflettendo la tendenza narrativa a nominare esplicitamente gli oggetti ma a oscurare le identità degli attori.
Compilazione degli Slot del Frame:
- I punti di ingresso sono stati compilati nel 41,8% dei casi.
- I metodi di ingresso nel 33,4%.
- Gli oggetti rubati nel 22,8%.
Ordinamento Temporale:
- Sono stati estratti 102 archi temporali in tutto il corpus.
- Il 78,4% di questi archi è stato derivato da assiomi di dominio, mentre solo il 21,6% proveniva da indizi testuali espliciti.
Revisione Umana:
- Uno studio con 6 revisori su 5 narrazioni oscurate ha mostrato un accordo del 100% tra il sistema e la maggioranza umana per: Inizio dell'incidente, Oggetti rubati, Indizi temporali e Ruoli dei partecipanti.
- L'accordo è stato dell'80% per il coinvolgimento di veicoli, Furto dichiarato e Confidenza complessiva.
- L'accordo è stato del 40% per l'ingresso forzato, indicando che questa rimane un'attività di interpretazione impegnativa.
- I punteggi di Precisione/Recall/F1 per "Oggetti rubati" e "Indizi temporali" sono stati perfetti (100%).

5. Significato e Affermazioni

Il documento afferma che le tecniche di NLU simbolica possono recuperare efficacemente i dettagli degli incidenti dalle narrazioni oscurate che mancano nei metadati strutturati. Il significato risiede nella capacità di:

Scalare l'Analisi: Automatizzare l'estrazione di fatti collegati alle prove da grandi volumi di rapporti.
Mantenere la Privacy: Elaborare testi oscurati senza compromettere la capacità di ragionare sulle strutture degli eventi.
Garantire la Tracciabilità: Ogni fatto estratto è collegato alla frase sorgente e al percorso semantico specifico utilizzato, consentendo la verificabilità.
Gestire l'Incertezza: Il sistema di punteggio di confidenza segnala esplicitamente le estrazioni incerte (ad esempio, interpretazioni di ingresso forzato) invece di forzare una classificazione definitiva, il che è cruciale per i contesti legali e investigativi.

Gli autori affermano esplicitamente che il sistema è progettato per supportare l'indagine e la revisione, non per sostituire il giudizio umano o trarre conclusioni su individui senza supervisione umana. Il lavoro estende l'iniziativa OpenBWC aggiungendo una pipeline di NLU simbolica per uso interno delle forze di polizia.