
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于战略性少样本学习的低资源语言内容知识驱动事件抽取
《ACM Transactions on Asian and Low-Resource Language Information Processing》:Knowledge Driven Event Extraction from Low Resource Language Content Using Strategic Few-Shot Learning
【字体: 大 中 小 】 时间:2026年09月26日 来源:ACM Transactions on Asian and Low-Resource Language Information Processing 2.7
编辑推荐:
摘要AI 摘要摘要摘要在灾害事件期间,及时从社交媒体中提取结构化信息对于有效的应急响应和协调至关重要。本研究提出了一套从印地语推文和新闻文章中提取子事件信息(信息抽取,IE)的完整流程,涵盖十一类关键信息,包括伤亡情况、基础设施损坏、救援行动等。我们引入了CrisisIE-H
本摘要由自动化工具生成,未经该文章的作者撰写或审阅。提供此摘要旨在辅助发现、帮助读者评估相关性,并协助相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要,后者仍然是论文的主要摘要。全文仍是权威的正式版本。点击此处了解更多。
点击此处评论此摘要的准确性、清晰度和实用性。这样做将有助于改进和未来的重新生成版本。
AI生成摘要
由自动化系统基于已发表的文章正文生成。
版本创建日期:2026年9月24日。
本研究提出了一种综合方法,利用策略性少样本学习和大型语言模型,从印地语社交媒体内容和新闻文章中提取细粒度的灾害信息。该工作解决了危机情况下低资源语言处理的重大挑战,而此时及时的结构化信息提取对于灾害响应协调至关重要。
研究人员引入了CrisisIE-Hindi,一个基准数据集,包含约9600条标注帖子,涵盖多种灾害事件,包括气旋、地震和洪水。该数据集覆盖了十一类关键信息,按层次结构组织在两大分支下:伤亡情况(死亡、失踪、受伤、被困)和 aftermath(受影响人口、动植物损失、健康问题、食品短缺、财务危机、基础设施损坏以及援助和救援行动)。该数据集通过混合流程构建,结合GPT-4o-mini的自动化预标注和严格的人工验证与质量评估,达到了强大的标注者间一致性指标。
核心贡献在于一种新颖的策略性少样本提示框架,解决了现有示例选择方法的局限性。该方法不仅仅依赖语义相似性或随机选择,而是结合粗粒度事件过滤以减少噪声、使用基于图的冗余减少进行战略性示例选择以确保多样性,以及推理增强提示来注入精心策划的定义和结构化示例。这一多阶段流程帮助语言模型执行更准确的细粒度信息抽取。
该方法通过三个阶段运作:首先使用微调的XLM-Roberta模型识别粗粒度事件边界,然后应用策略性少样本选择框架从冻结数据库检索多样且相关的示例,最后利用这些示例引导基于LLM的细粒度抽取,输出结构化JSON。该方法将复杂的抽取任务分解为针对伤亡情况和 aftermath 的独立子任务。
对九个语言模型(包括开源变体如LLaMA和Gemma系列以及专有系统如GPT-4o、Gemini、Claude)的全面评估表明,策略性少样本提示在所有模型规模上都显著提升了性能。值得注意的是,较小的模型如Gemma-2B相比零样本基线提升了30-50%,同时保持了竞争力性能水平。该框架展现了强大的跨灾害泛化能力,一个灾害事件的示例能够有效迁移到未见灾害场景。性能在约七个示例时趋于平稳,表明信息上下文与认知约束之间的最佳平衡点。
该研究在三个额外的低资源印度语言数据集(Bangla-NER、Maha-NER、HiNER)上验证了该方法,在所有模型和实体类型上均一致显示策略性提示优于其他选择方法。重要的是,该工作表明使用策略性少样本学习的开源中型模型能够达到与微调后小型专用模型相当的性能水平,为资源受限的灾害响应系统提供了实用解决方案。