大型语言模型用于人道主义危机响应中的地理位置抽取
计算与语言
2026-02-10 v1 信息检索
摘要
人道主义危机需要及时且准确的地理信息以制定有效的响应措施。然而，自动抽取文本中位置信息的系统往往复刻现存的地理和社会经济偏见，导致受危机影响地区的可见性不均。本文探讨了大型语言模型（LLM）能否解决地理位置抽取中的这些不平等问题。我们引入了一个两步骤框架，将少样本LLM基于命名实体识别与一个基于代理的地理编码模块相结合，后者利用上下文来解析模糊的地名。我们使用准确性和公平性指标，对贸管方法进行基准测试，涵盖地理和社会经济维度。我们的评估使用扩展后的HumSet数据集，包含细化的字面地名注释。结果表明，LLM基于的方法在从人道主义文本中抽取地理位置方面显著提高了准确性和公平性，尤其是针对欠代表性地区。通过将LLM推理的进展与负责任和包容性AI原则相结合，本工作为人道主义响应提供更公平的地理空间数据系统，推动了在危机分析中“无所不在”的目标。
引用
@article{arxiv.2602.08872,
title = {Large Language Models for Geolocation Extraction in Humanitarian Crisis Response},
author = {G. Cafferata and T. Demarco and K. Kalimeri and Y. Mejova and M. G. Beiró},
journal= {arXiv preprint arXiv:2602.08872},
year = {2026}
}