一种用于检测事故叙述中个人身份信息的智能体工作流

事故报告中的事故叙述为交通安全分析提供了关键的背景信息。然而，由于其中包含个人身份信息（PII），如姓名、家庭住址和车牌号，其更广泛的使用受到阻碍。由于 PII 在事故叙述中稀疏且不一致地出现，人工检测无法扩展，而现有的基于规则的方法通常无法捕获依赖上下文的 PII。本研究利用大语言模型（LLM）开发并评估了一种可本地部署的、用于检测事故叙述中 PII 的智能体工作流。该工作流包含一个混合提取器和一个验证器。混合提取器将结构化 PII（如电话号码和电子邮件地址）路由到基于规则的模型（即 Presidio），并将依赖上下文的 PII（如姓名、家庭住址和字母数字标识符）路由到领域自适应、微调的 LLM。为了解决挑战性类别中的歧义，该工作流结合了集成 LLM 提取和一个通过基于证据的推理过滤错误检测的智能体验证步骤。在真实事故数据集上评估，该智能体工作流取得了优异的性能，精确率为 0.82，召回率为 0.94，F1 值为 0.87，准确率为 0.96，优于多种基线方法。此外，消融结果表明，集成 LLM 提取和验证器改进了对家庭住址和字母数字标识符的检测。该工作流在本地运行，支持限制外部 API 的隐私敏感操作环境。这项工作为可扩展、保护隐私的事故数据处理提供了一条实用且稳健的路径，在保护个人隐私的同时，使更广泛的研究和安全干预成为可能。