使用大型语言模型从社交媒体中获取多利益相关者灾难见解
计算与语言
2025-04-18 v2 人工智能
新兴技术
社会与信息网络
摘要
近年来,社交媒体已成为用户在灾难和紧急情况期间快速分享反馈和问题的主要渠道,在危机管理中发挥着关键作用。尽管在收集和分析社交媒体内容方面取得了显著进展,但仍存在增强自动化、聚合和定制化数据以为不同利益相关者(包括新闻工作者、警察、EMS和消防员)提供可操作见解的迫切需求。这对于改进救援行动、资源分配和媒体沟通的协调至关重要。本文提出了一种方法论,利用大型语言模型(LLM)的能力来增强灾难响应和管理。我们的做法将分类技术与生成式AI相结合,弥合了来自原始用户反馈与利益相关者特定报告之间的差距。对在灾难性事件期间分享的社交媒体帖子进行分析,聚焦于用户报告的问题、服务中断和遇到的挑战。我们使用全谱系LLM,采用类似BERT的分析模型对内容类型、情感、情绪、地理位置和主题进行精确的多维度分类。然后,使用类似ChatGPT的生成模型生成面向不同受众的、人类可读的、信息丰富的报告,综合了来自详细分类的见解。我们比较标准方法,这些方法直接使用ChatGPT中的提示分析帖子,与我们先进的方法,后者包含多维度分类、子事件选择和定制化报告生成。我们的方法论在定量指标(如文本连贯性得分和潜在表示)和定性评估(通过自动化工具和现场专家)方面均显示出优异性能,为不同灾难响应利益相关者提供精确见解。
引用
@article{arxiv.2504.00046,
title = {Multi-Stakeholder Disaster Insights from Social Media Using Large Language Models},
author = {Loris Belcastro and Cristian Cosentino and Fabrizio Marozzo and Merve Gündüz-Cüre and Sule Öztürk-Birim},
journal= {arXiv preprint arXiv:2504.00046},
year = {2025}
}