从 Twitter 到推理器：利用大语言模型理解出行方式与情感

社交媒体已成为人们表达对交通服务和基础设施意见的重要平台，有助于研究人员更深入地了解个人出行选择，帮助交通运营商提升服务质量，以及协助政策制定者监管出行服务。然而，一个重大挑战在于社交媒体数据的非结构化特性，即文本数据缺乏标注，大规模人工标注成本高昂。本研究提出了一种利用大语言模型（LLM）从社交媒体帖子中推断所提及的出行方式、并推理人们对相关出行方式态度的新型方法框架，无需人工标注。我们比较了不同大语言模型以及多种提示工程方法，并结合人工评估与 LLM 验证进行分析。我们发现大多数社交媒体帖子表现出负面而非正面情感。因此，我们识别出导致这些负面帖子的因素，并据此向交通运营商和政策制定者提出建议。