GeoSense-AI：从危机微博客中进行快速位置推断
计算与语言
2025-12-23 v1 社会与信息网络
摘要
本文提出一种用于实时从噪声微博客流中进行地理位置推断的应用型 AI 管道，统一统计学话题分段、基于词性的专有名词检测、围绕灾害词汇的依存分析、轻量级命名实体识别和以地理知识库为依据的消歧，以直接从文本而非稀疏地理标签中推断位置。该方法在流式约束下实现信息抽取，强调低延迟的 NLP 组件和高效的地理知识库验证，以支撑紧急情况下的情报感知。在与广泛使用的命名实体工具箱进行的 head-to-head 比较中，系统实现了强大的 F1 分数，同时经过设计以实现数量级的更高吞吐量，使其能够部署在实时危机情报场景中。一个生产级地图界面演示了端到端的 AI 功能——摄入、推断和可视化——大规模地揭示位置信号，用于洪水、疫情及其他快速变化事件。通过优先考虑对非正式文本的鲁棒性和流式效率，GeoSense-AI 说明了如何通过领域调优的 NLP 和知识 grounding 提升紧急响应，超越传统地理标签的依赖。
引用
@article{arxiv.2512.18225,
title = {GeoSense-AI: Fast Location Inference from Crisis Microblogs},
author = {Deepit Sapru},
journal= {arXiv preprint arXiv:2512.18225},
year = {2025}
}