مشروع البحث:
A GENERATIVE-BASED APPROACH FOR DOMAIN-SPECIFIC EVENT EXTRACTION TO SUPPORT CRIME EVENT ONTOLOGY POPULATION

dc.contributor.advisorProf. Dr. Shahrul Azman Mohd Noah, for
dc.contributor.advisorDr. Lailatul Qadri Binti Zakaria
dc.date.accessioned2026-05-12T07:44:30Z
dc.date.available2026-05-12T07:44:30Z
dc.descriptionThe challenge becomes particularly critical in domains like crime analysis, where labeled data is scarce and expensive to obtain. Crime event extraction often involves processing unstructured sources like news articles, social media, and police reports (Carnaz et al. 2019). While LLMs show promise in addressing these challenges through their advanced capabilities, their effective application requires careful consideration of domain-specific requirements and constraints.
dc.description.abstractPopulasi ontologi merujuk kepada proses kemasukan fakta dari sumber pengetahuan yang diberikan ke dalam ontologi. Fakta ini lazimnya diwakili dalam format berstruktur dan diintegrasikan ke dalam pengetahuan ontologi sedia ada. Walau bagaimanapun, sumber teks dalam talian merupakan sumber utama pengetahuan yang meliputi jumlah data besar, yang diperoleh secara langsung atau tidak langsung. Oleh itu, analisis automatik terhadap jumlah pengetahuan yang luas dari sumber ini menarik perhatian penyelidik. Ontologi peristiwa ialah salah satu sumber pengetahuan yang kaya merangkumi elemen seperti masa, lokasi, jenis, dan peristiwa itu sendiri. Teknik pembelajaran terselia untuk populasi ontologi telah menunjukkan hasil yang menggalakkan, terutama untuk domain bersumber tinggi.
dc.identifier1126
dc.identifier.urihttps://dspace.academy.edu.ly/handle/123456789/2043
dc.subjectSUPPORT CRIME EVENT ONTOLOGY
dc.titleA GENERATIVE-BASED APPROACH FOR DOMAIN-SPECIFIC EVENT EXTRACTION TO SUPPORT CRIME EVENT ONTOLOGY POPULATION
dspace.entity.typeProject
project.endDate2025
project.funder.nameعلوم الحاسوب
project.investigatorعاشور حسنى سالم علي
project.startDate2024
relation.isOrgUnitOfProject784d19bf-029a-47b8-b883-c9daefb34588
relation.isOrgUnitOfProject.latestForDiscovery784d19bf-029a-47b8-b883-c9daefb34588
الملفات
الحزمة الأصلية
يظهر اﻵن 1 - 1 من 1
لا توجد صورة مصغرة متاحة
اﻻسم:
ASHOUR HASSIAN SALIM ALI_P98701-02.pdf
الحجم:
7.31 MB
التنسيق:
Adobe Portable Document Format
حزمة الترخيص
يظهر اﻵن 1 - 1 من 1
لا توجد صورة مصغرة متاحة
اﻻسم:
license.txt
الحجم:
1.71 KB
التنسيق:
Item-specific license agreed to upon submission
الوصف: