社交媒体中因果关系抽取的大语言模型：面向灾害情报的验证框架
计算与语言
2026-05-13 v1 人工智能
信息检索
社会与信息网络
摘要
在灾害期间，从社交媒体中抽取因果关系可以通过识别与伤亡、物理损坏、基础设施中断和级联影响相关的因素来增强态势感知。然而，与灾害相关的帖子通常是非正式的、碎片化的且依赖于上下文，并且它们可能描述个人经历而非明确的因果关系。在这项工作中，我们研究了大语言模型（LLMs）能否有效地从与灾害相关的社交媒体帖子中抽取因果关系。为此，我们（1）提出了一个基于专家意见的评估框架，该框架将LLM生成的因果图与源自灾害特定报告的参考图进行比较，并（2）评估所抽取的关系是得到了灾后证据的支持，还是反映了模型的先验知识。我们的研究结果凸显了在灾害决策支持系统中使用LLM进行因果关系抽取的潜力和风险。
引用
@article{arxiv.2605.11348,
title = {Large Language Models for Causal Relations Extraction in Social Media: A Validation Framework for Disaster Intelligence},
author = {Ujun Jeong and Saketh Vishnubhatla and Bohan Jiang and Andre Harrison and Adrienne Raglin and Huan Liu},
journal= {arXiv preprint arXiv:2605.11348},
year = {2026}
}
备注
Submitted to EMNLP