論文の概要: Near-real-time Earthquake-induced Fatality Estimation using Crowdsourced Data and Large-Language Models

• arxiv url: http://arxiv.org/abs/2312.03755v1
• Date: Mon, 4 Dec 2023 17:09:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-08 17:50:38.486876
• Title: Near-real-time Earthquake-induced Fatality Estimation using Crowdsourced Data and Large-Language Models
• Title（参考訳）: クラウドソーシングデータと大規模言語モデルを用いたリアルタイム地震震度推定
• Authors: Chenguang Wang, Davis Engler, Xuechun Li, James Hou, David J. Wald, Kishor Jaiswal, Susu Xu
• Abstract要約: 本研究では,地球規模の地震による損失予測の時系列と精度を大幅に改善するエンドツーエンドフレームワークを提案する。 我々のフレームワークは,大規模言語モデル上に構築された階層的カジュアルさ抽出モデルと,迅速な設計,少数ショット学習を統合している。 我々は2022年と2022年の一連の世界地震でリアルタイムにこのフレームワークをテストし、我々のフレームワークが2021年までに手動の手法に匹敵する速度と精度を達成し、カジュアルなデータ検索を合理化していることを示す。
• 参考スコア（独自算出の注目度）: 5.031939163610801
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: When a damaging earthquake occurs, immediate information about casualties is critical for time-sensitive decision-making by emergency response and aid agencies in the first hours and days. Systems such as Prompt Assessment of Global Earthquakes for Response (PAGER) by the U.S. Geological Survey (USGS) were developed to provide a forecast within about 30 minutes of any significant earthquake globally. Traditional systems for estimating human loss in disasters often depend on manually collected early casualty reports from global media, a process that's labor-intensive and slow with notable time delays. Recently, some systems have employed keyword matching and topic modeling to extract relevant information from social media. However, these methods struggle with the complex semantics in multilingual texts and the challenge of interpreting ever-changing, often conflicting reports of death and injury numbers from various unverified sources on social media platforms. In this work, we introduce an end-to-end framework to significantly improve the timeliness and accuracy of global earthquake-induced human loss forecasting using multi-lingual, crowdsourced social media. Our framework integrates (1) a hierarchical casualty extraction model built upon large language models, prompt design, and few-shot learning to retrieve quantitative human loss claims from social media, (2) a physical constraint-aware, dynamic-truth discovery model that discovers the truthful human loss from massive noisy and potentially conflicting human loss claims, and (3) a Bayesian updating loss projection model that dynamically updates the final loss estimation using discovered truths. We test the framework in real-time on a series of global earthquake events in 2021 and 2022 and show that our framework streamlines casualty data retrieval, achieving speed and accuracy comparable to manual methods by USGS.
• Abstract（参考訳）: 被害を受けた地震が発生した場合、緊急対応と援助機関による時間に敏感な意思決定には、犠牲者に関する即時情報が必要である。 米国地質調査所(USGS)によるPAGER(Prompt Assessment of Global Earthquakes for Response)のようなシステムは、世界中の重要な地震の約30分以内に予測を提供するために開発された。 災害時の人的損失を推定する従来のシステムは、グローバルメディアが手作業で収集した早期犠牲者の報告に依存していることが多い。 近年,ソーシャルメディアから関連情報を抽出するためにキーワードマッチングとトピックモデリングを採用しているシステムもある。 しかし、これらの手法は多言語テキストの複雑な意味論に苦しめられ、ソーシャルメディアプラットフォーム上の様々な検証されていない情報源から、しばしば相反する死と負傷の報告を絶えず解釈することの難しさに苦しむ。 本研究では,多言語でクラウドソースされたソーシャルメディアを用いて,世界地震による人的損失予測のタイムラインと精度を大幅に改善するためのエンドツーエンドフレームワークを提案する。 提案手法は,(1)大規模言語モデル,プロンプトデザイン,マイトショット学習を基盤とした階層的カジュアルティ抽出モデルと,(2)大規模雑音と潜在的に相反する人的損失から真の人的損失を発見する物理制約認識・動的真実発見モデル,(3)発見された真理を用いて最終損失推定を動的に更新するベイズ更新損失予測モデルを組み合わせたものである。 我々は,2021年と2022年に発生した世界規模の地震について,このフレームワークをリアルタイムにテストし,usgsの手動手法に匹敵する速度と精度を実現した。

関連論文リスト

• Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis [1.9461727843485295]
  本研究は,トルコにおける将来の地震災害における死者の減少に寄与する。 我々は、被災者当たりの死亡率と死亡率を予測するために、様々な機械学習アーキテクチャーを試験した。 その結果,ランダムフォレストモデルが最も信頼性の高い予測結果が得られた。
  論文  参考訳（メタデータ） (2024-10-29T10:29:06Z)
• Time Series Foundation Models and Deep Learning Architectures for Earthquake Temporal and Spatial Nowcasting [1.4854797901022863]
  既成の基盤モデルの総合的な評価を欠いている。 我々はMultiFoundationQuakeとGNNCoderという2つのイノベーションアプローチを紹介した。 我々は,南カリフォルニアの0.1度空間ビン内における今後14日間の時系列予測問題として,地震予報を定式化した。
  論文  参考訳（メタデータ） (2024-08-21T20:57:03Z)
• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
  我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。 さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。 実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-16T03:10:16Z)
• Data-Driven Prediction of Seismic Intensity Distributions Featuring Hybrid Classification-Regression Models [21.327960186900885]
  本研究では, 地震パラメータに基づいて地震強度分布を予測できる線形回帰モデルを開発した。 このデータセットは、1997年から2020年にかけて日本近海で発生した地震の震度データからなる。 提案モデルでは, 従来のGMPEにおける課題として, 異常な震度分布を予測できる。
  論文  参考訳（メタデータ） (2024-02-03T13:39:22Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
  検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。 本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。 医療データセットに関する広範な実験により,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-02-24T17:03:51Z)
• Classification of structural building damage grades from multi-temporal photogrammetric point clouds using a machine learning model trained on virtual laser scanning data [58.720142291102135]
  実世界の点雲からの多層建築物の損傷を自動的に評価する新しい手法を提案する。 我々は、仮想レーザースキャン(VLS)データに基づいて訓練された機械学習モデルを使用する。 このモデルでは、高いマルチターゲット分類精度(全精度:92.0% - 95.1%)が得られる。
  論文  参考訳（メタデータ） (2023-02-24T12:04:46Z)
• A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction [0.0]
  本稿では、注意機構(AM)、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)モデルに基づく新しい予測手法を提案する。 中国本土の地震カタログに基づいて,各地域の地震の規模と規模を推定することができる。
  論文  参考訳（メタデータ） (2021-12-26T20:16:20Z)
• A Machine learning approach for rapid disaster response based on multi-modal data. The case of housing & shelter needs [0.0]
  災害に遭った人々の最も直接的なニーズの1つは避難所を見つけることである。 本稿では,マルチモーダルデータの融合と解析を目的とした機械学習ワークフローを提案する。 世界中の200以上の災害に対する19の特徴のデータベースに基づいて、意思決定レベルでの融合アプローチが用いられた。
  論文  参考訳（メタデータ） (2021-07-29T18:22:34Z)
• Taxonomizing local versus global structure in neural network loss landscapes [60.206524503782006]
  ロスランドスケープが世界規模で良好に接続されている場合, 最適なテスト精度が得られることを示す。 また、モデルが小さい場合や、品質の低いデータに訓練された場合、世界規模で接続の不十分なランドスケープが生じる可能性があることも示しています。
  論文  参考訳（メタデータ） (2021-07-23T13:37:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。