计算机应用

作者：孙焕良, 王思懿, 刘俊岭, 许景科

单位：1.沈阳建筑大学 计算机科学与工程学院，沈阳 110168；2.辽宁省城市建设大数据管理与分析重点实验室（沈阳建筑大学），沈阳 110168；3.国家特种计算机工程技术研究中心沈阳分中心，沈阳 110168

关键词：中文社交媒体,命名实体识别,大规模语言模型,指令微调,水灾事件

基金：国家重点研发计划项目(2021YFF0306303);辽宁省教育厅项目(LJKZ0582)

由于社交媒体平台上所发布的非结构化信息存在数据不一致、重要程度不同等问题，使自动准确抽取所需信息并标注受灾级别成为一个有挑战性的工作。因此，结合形式概念分析（FCA）、词共现关系和上下文语义信息构建了水灾事件知识体系。利用所构建的知识体系，基于TencentPretrain框架对大规模语言预训练模型（LLM）进行指令微调，构建了ChatFlowFlood信息抽取模型，可以在少量人工标记情况下，准确自动抽取被困情况、紧缺物资等信息；在信息抽取模型的基础上，通过模糊层次分析法（FAHP）和CRITIC法（CRiteria Importance Through Intercriteria Correlation）主客观结合评定求助信息的救援优先级，帮助决策者理解灾情紧急程度。实验结果表明，在中文社交媒体数据上，与ChatFlow-7B模型相比，ChatFlowFlood模型的FBERT指标提升了73.09%。

来源：2024年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第8期