論文の概要: Verifiable Disaster Storylines and Causal Knowledge Graphs: A Citation-Grounded Pipeline from Heterogeneous Humanitarian Sources

• arxiv url: http://arxiv.org/abs/2609.00858v1
• Date: Tue, 01 Sep 2026 07:56:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.442319
• Title: Verifiable Disaster Storylines and Causal Knowledge Graphs: A Citation-Grounded Pipeline from Heterogeneous Humanitarian Sources
• Title（参考訳）: 検証可能な災害ストーリーラインと因果知識グラフ:不均質な人道的情報源からの想起を取り巻くパイプライン
• Authors: Ivan Decostanzi, Michele Ronco, Sergio Consoli, Christina Corbane, Lorenzo Bertolini, Indaco Biazzo, Daria Mihaila, Manuel Garcia-Herranz, Felix Schwebel, Yelena Mejova, Kyriaki Kalimeri,
• Abstract要約: 本稿では,構造的災害記録と非構造的文書とを組み合わせて,災害現場の災害ストーリーラインと因果知識グラフを作成するパイプラインを提案する。 我々は,9つのドメインエキスパートと9つの非専門家評価者を含む人間による評価を通じて,3つの多様な危機事例に対するシステムの評価を行った。 その結果,抽出された因果関係の検索精度,強い忠実度,および非接地的選択肢よりも引用接地的コンポーネントを明確な専門家に選好することが確認された。
• 参考スコア（独自算出の注目度）: 1.561704911463062
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective humanitarian response depends on the rapid synthesis of heterogeneous, high-volume information sources - a task that routinely exceeds human analytical capacity in the critical early hours of a crisis. We present a pipeline that combines structured disaster records from EM-DAT with unstructured documents from ReliefWeb and the European Media Monitor (EMM) to produce source-grounded disaster storylines and causal knowledge graphs supporting situational awareness for responders and analysts. Using Retrieval-Augmented Generation, the pipeline extracts structured storylines - tabular event profiles covering 17 fields, from severity and key drivers to child-sensitive impact indicators - and constructs causal knowledge graphs where each node and edge is enriched with citation-grounded explanatory narratives, enabling full traceability back to primary sources. We evaluate the system on three diverse crisis use cases through a human evaluation involving 9 domain expert and 9 non-expert evaluators. Results confirm high retrieval precision, strong faithfulness of extracted causal relations, and a clear expert preference for citation-grounded components over ungrounded alternatives. The pipeline is designed to scale to the full EM-DAT catalogue, with the goal of publicly releasing a narrative-enriched version of the database.
• Abstract（参考訳）: 効果的な人道的対応は、不均一で高ボリュームの情報ソースを迅速に合成することに依存している。 本稿では,ReliefWeb と European Media Monitor (EMM) の未構造化文書とEM-DAT からの構造化災害記録を組み合わせて,災害現場の災害ストーリーラインと対応者やアナリストの状況認識を支援する因果知識グラフを作成するパイプラインを提案する。 Retrieval-Augmented Generationを使用して、パイプラインは構造化されたストーリーライン(重大さとキードライバから子供に敏感な影響指標まで、17のフィールドをカバーする表のイベントプロファイル)を抽出し、各ノードとエッジが引用地上の説明的ストーリに富んだ因果知識グラフを構築し、プライマリソースへの完全なトレーサビリティを実現する。 我々は,9つのドメインエキスパートと9つの非専門家評価者を含む人間による評価を通じて,3つの多様な危機事例に対するシステムの評価を行った。 その結果,抽出された因果関係の検索精度,強い忠実度,および非接地的選択肢よりも引用接地的コンポーネントを明確な専門家に選好することが確認された。 パイプラインは完全なEM-DATカタログにスケールするように設計されており、データベースの物語に富んだバージョンを公開することを目標としている。

関連論文リスト

• WILDTRACE: Benchmarking Natural Evidence Trails in Long-Context Reasoning [63.9071746889252]
  長い文書に複雑な質問を答えるには、ソース自体が遠くの通路に自然に分散する証拠を統合する必要がある。 この情報源と内部の証拠の統合は、現実世界の長期文書分析の中心であるが、既存のベンチマークはそのほとんどを横取りしている。 WILDTRACEは, 自然発生の214個の長形音源に対する481個のタスクのベンチマークである。
  論文  参考訳（メタデータ） (2026-07-10T12:09:21Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• RAPTOR-AI for Disaster OODA Loop: Hierarchical Multimodal RAG with Experience-Driven Agentic Decision-Making [0.0]
  本研究は, 災害対応の3段階, 初期救助, 中期復旧, 長期復興を支援するために設計されたエージェント型検索・拡張生成フレームワークを紹介する。 頑健なマルチモーダルグラウンドを実現するために,テキスト災害マニュアル,歴史的教訓,航空・地上レベルの画像を統合した階層的知識基盤を構築した。 提案システムは,BLIPベースの画像キャプション,ColVBERT埋め込み,長文要約を用いて,46の津波関連PDF(2,378ページ)を処理するオープンソースのマルチモーダル実装に基づいている。
  論文  参考訳（メタデータ） (2026-01-18T10:58:41Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• Perplexity Trap: PLM-Based Retrievers Overrate Low Perplexity Documents [64.43980129731587]
  因果診断・矯正法(CDC)という因果推論時間脱バイアス法を提案する。 CDCはまず、パープレキシティのバイアス効果を診断し、その後、全体の関連スコアからバイアス効果を分離する。 3つの領域にまたがる実験結果から, より優れた脱バイアス効果が示された。
  論文  参考訳（メタデータ） (2025-03-11T17:59:00Z)
• Data Taxonomy Towards the Applicability of the Digital Twin Conceptual Framework in Disaster Management [0.562479170374811]
  Digital Twin (DT)は、重要なインフラの管理に新しいアプローチを提供する。 これらのインフラの複雑さと相互接続性の増加は、ロバストな災害対応と管理戦略の開発を必要とする。 本研究では,その特徴や脆弱性を危機事象と比較するための分類機能と類似性機能を紹介する。
  論文  参考訳（メタデータ） (2025-02-27T21:08:03Z)
• Causality Extraction from Nuclear Licensee Event Reports Using a Hybrid Framework [3.1139106894905972]
  本稿では,核ライセンスイベントレポートからの因果検出と抽出のためのハイブリッドフレームワークを提案する。 因果関係分析のための20,129のテキストサンプルを用いたLERコーパスをコンパイルし,因果関係検出のための深層学習に基づくアプローチを構築した。
  論文  参考訳（メタデータ） (2024-04-08T16:39:34Z)
• FloodBrain: Flood Disaster Reporting by Web-based Retrieval Augmented Generation with an LLM [0.9374652839580183]
  FloodBrain(floodbrain.com)に組み込んだ洗練されたパイプラインを導入する。 当社のパイプラインは,Web検索結果からの情報を同化して,洪水イベントに関する詳細な,正確なレポートを生成する。 GPT-4に割り当てられたスコアと人的評価者によるスコアとの間には顕著な相関関係がみられた。
  論文  参考訳（メタデータ） (2023-11-05T08:34:26Z)

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。