基于智能体工作流程的危机相关合成推文数据集设计与评估
计算与语言
2026-03-17 v1 机器学习
多智能体系统
社会与信息网络
摘要
推特（现为 X）已成为危机情境情报重要的社交媒体数据来源。危机信息学研究广泛使用来自推特的推文，用于开发和评估各种与危机相关任务的人工智能（AI）系统，如从推文中提取位置信息和估计损坏程度，以支持损害评估。然而，近期推特的数据访问政策变更，使得为危机相关推文数据集获取真实数据变得越来越困难。此外，现有的已策划推文数据集也仅限于特定情境下的过去危机事件，规模标注成本高昂。这些局限性限制了危机信息学中AI系统的开发与评估。为克服这些局限性，我们引入一种用于生成危机相关合成推文数据集的智能体工作流程。该工作流程迭代生成以预先指定的目标特征为条件的合成推文，使用预定义的合规性检查对其进行评估，并纳入结构化反馈以在后续迭代中进行优化。作为案例研究，我们将该工作流程应用于生成与地震后损坏评估相关的合成推文数据集。我们表明，该工作流程能够生成捕获位置和损坏程度目标标签的合成推文。我们进一步演示，所得结果合成推文数据集可用于评估损坏评估任务（如地理位置定位和损坏程度预测）中的AI系统。我们的结果表明，该工作流程为实验推文数据策划提供了一种灵活且可扩展的替代方案，使其能够跨越多样化危机事件、社会背景以及危机信息学应用，系统性地生成合成社交媒体数据。
引用
@article{arxiv.2603.13625,
title = {Design and evaluation of an agentic workflow for crisis-related synthetic tweet datasets},
author = {Roben Delos Reyes and Timothy Douglas and Asanobu Kitamoto},
journal= {arXiv preprint arXiv:2603.13625},
year = {2026}
}