受控的审讯对话属性特定摘要

在法证和调查场景中，对审讯对话进行有效摘要是一项关键任务，需要具备高度的事实准确性、连贯性和属性相关性。在本研究中，我们引入了 CASPER，这是一种新颖的思维链属性特定提示评估摘要框架，通过利用结构化提示和迭代优化，生成高质量的审讯人员与证人互动摘要。我们构建了 MINDSum 数据集，该数据集扩展自 MIND 语料库，包含 6,000 个经过事件细节、事实陈述、人物描述和填充语标注的话语对。CASPER 采用 RoleEval，这是一种分层评估机制，由多个角色（警员、督察、高级督察）依据预定义标准对摘要进行迭代评估。通过整合实体抽取和结构化反馈循环，与现有基线方法相比，CASPER 显著提升了事实一致性和上下文完整性。实验结果表明，在词汇层面（ROUGE）和语义层面（BERTScore）指标上，我们的框架均优于标准摘要模型；同时，人工评估也证实了其与专家推理的一致性。我们的研究结果凸显了受控摘要在高风险领域的潜力，为人工智能驱动的法证情报发展铺平了道路。