CrisisSense-LLM：面向灾害情报中多标签社交媒体文本分类的指令微调大语言模型

在灾害/灾难情报领域，社交媒体正逐渐被用于提高情报情景意识，以 Inform response and relief efforts。高效且准确的文本分类工具一直是灾害情报中的焦点研究领域。然而，当前方法大多依赖单标签文本分类模型，无法捕捉动态且多层次的灾害相关社交媒体数据所蕴含的不同见解。本研究通过指令微调针对灾害相关推文进行多标签分类，增强预训练大语言模型（LLM）的灾害文本分类方法。我们的 methodology involves 创建来自灾害相关推文的全面指令数据集，然后用于微调开源 LLM，从而将其嵌入灾害特定知识。该微调模型可以同时对灾害相关信息的多个方面进行分类，例如事件类型、信息价值和人道救援参与度，显著提高了社交媒体数据在灾害情境意识中的实用性。结果表明，这种方法提高了对社交媒体帖子中关键信息的分类，从而促进了在紧急情况下的情报情景意识部署。本研究为利用 LLM 的能力提高灾害情境中的实时情报情景意识和响应策略提供了更加先进、灵活且稳健的灾害管理工具的道路。