치안 보고서 (Law enforcement reports)는 구조화된 필드와 서술형 내러티브 (narratives)를 포함하고 있습니다. 그러나 검토, 경찰 교육 및 수사에 필요한 많은 사건 사실들은 자연어 (natural language)로 되어 있어 수동으로 읽어야 하는 상황입니다. 본 연구에서는 내러티브를 증거와 연결된 사실로 변환하기 위해 기호적 방법 (symbolic methods)을 사용하는 프레임워크를 제안합니다. 우리의 목표는 비구조화된 텍스트로부터만 사건의 세부 사항을 복구하기 위해 내러티브의 가치를 측정하고, 시간 단서 (time cues) 및 도메인 공리 (domain axioms)를 포함한 시계열 그래프 (temporal graphs)를 구축하는 것입니다. 우리는 개인 식별 정보의 삭제 (redacting), 의미론적 파싱 (semantic parsing), 온톨로지 (ontology)로의 술어 매핑 (predicate mapping), 그리고 추론 (reasoning)을 통해 이를 달성합니다. 우리는 450건의 재산 범죄 보고서와 짧은 인간 검토를 통해 기호적 접근 방식 (symbolic approach)을 평가했습니다. 시스템에서 추출된 이벤트 중 54.1%가 최소 0.80 이상의 신뢰도 점수 (confidence score)를 가졌으며, 93.7%가 PropBank--VerbNet--WordNet 의미론적 경로 (semantic path)를 통해 매핑되었습니다. 사건 발생 (incident initiation), 도난 물품 (stolen items), 시간 단서 (temporal cues)에 대해서는 100%의 일치율을 보였으나, 강제 침입 (forced entry) 해석에 대해서는 더 낮은 일치율을 보였습니다.