論文の概要: From UNDRR Reports to Event Records: Schema-Constrained LLM Extraction of Georeferenced Disasters
- arxiv url: http://arxiv.org/abs/2609.23853v1
- Date: Sun, 20 Sep 2026 20:14:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.009682
- Title: From UNDRR Reports to Event Records: Schema-Constrained LLM Extraction of Georeferenced Disasters
- Title（参考訳）: UNDRRレポートからイベントレコーダへ:地すべり災害のスキーマ制約によるLLM抽出
- Abstract要約: 災害リスク低減アーカイブは、直接摂取できない散文の危険事象を記述している。
制御されたハザード語彙と固定スキーマを用いて、候補ジオレファレンスイベントレコードを生成するLLMパイプラインを提案する。
24種類のハザードタイプで1,913のドキュメントから3,572レコードを生成し、OpenStreetMapへの言及の81%を解決した。
- 参考スコア（独自算出の注目度）: 10.256972417048582
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Disaster-risk-reduction archives describe hazard events in prose that databases such as EM-DAT (Delforge et al., 2025) cannot ingest directly. We present an LLM pipeline that generates candidate georeferenced event records using a controlled hazard vocabulary and fixed schema, retaining evidence for review. Applied to 10,000 documents from PreventionWeb, the knowledge hub managed by UNDRR, it produced 3,572 records from 1,913 documents across 24 hazard types and resolved 81% of location mentions to OpenStreetMap geometries. On 171 human-positive document windows from a stratified 217-document reference set, GPT-5 achieved 86.0% pooled attribute $F_1$, versus 44.2% for the spaCy-gazetteer baseline. Evaluation pools hazard families, location strings, and event years within documents, without assessing their assignment to individual events. GPT-5.4 ranked highest among ten LLMs (86.6% $F_1$). Verbatim evidence occurrence was 72.0% for GPT-5 and 47.2% for GPT-5.4, measuring textual traceability without establishing attribute support. We report production failure modes and automated label and location-rule compliance checks. Prompts, schema, and outputs will be released for adaptation to national reporting archives.
- Abstract（参考訳）: 災害リスク低減アーカイブは、EM-DAT(Delforge et al , 2025)のようなデータベースが直接摂取できないことを散文で記述している。
本稿では,制御されたハザード語彙と固定スキーマを用いて,候補ジオレファレンスイベントレコードを生成するLCMパイプラインを提案する。
UNDRRが管理するナレッジハブであるTreasureWebから1万のドキュメントに適用され、24のハザードタイプにわたる1,913のドキュメントから3,572のレコードを生成し、OpenStreetMapジオメトリに言及する場所の81%を解決した。
階層化された217文書参照セットから171の人陽性文書ウィンドウで、GPT-5は86.0%のプール属性を$F_1$とした。
評価プールは、個々のイベントへの割り当てを評価することなく、ドキュメント内のハザードファミリー、ロケーションストリング、イベントの年数を評価します。
GPT-5.4は10 LLM(86.6%$F_1$)の中で最高である。
GPT-5は72.0%、GPT-5.4は47.2%、テキストトレーサビリティは属性サポートを確立せずに測定された。
本報告では,生産失敗モードと自動ラベルとロケーションルールコンプライアンスチェックについて報告する。
プロンプト、スキーマ、アウトプットは、全国的なレポーティングアーカイブに適応するためにリリースされる。
関連論文リスト
- Grounded Normative Rule Generation with Structured Search [47.28595196084396]
基底ノルム規則合成(GNRS)として問題を定式化する。
GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。
GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
論文 参考訳（メタデータ） (2026-08-23T05:43:42Z) - HIRA: A Human-in-the-Loop Retrieval-Augmented Cascade for Document Classification in Regulated Industries [1.5965246343492343]
HIRAは、トレーニング不要でオンプレミスの検索拡張された、規制されたデプロイメントにおけるドキュメント分類のためのカスケードである。
信頼された文書は、検索によって直接分類され、不確実または視覚的に不確実な文書は、ローカルにホストされた検証者に渡される。
プライベートな80クラスのトレーディングファイナンスコーパスでは、HIRAが30,233のドキュメント生成ストリームを処理し、わずか1,945のドキュメントに対して人間の修正を要求する。
論文 参考訳（メタデータ） (2026-08-22T06:19:19Z) - ACCORD: Action-Conditioned Contextual Grounding for Language Agents [69.73525608707764]
ACCORD(Action-Conditioned Contextual Grounding)は、適応的なグラウンドのためのエージェントフレームワークである。
現状のエージェントは、しばしばそうすることができないことを示す。それらは、観察された特定の情報よりもむしろ仮定から行動し、収集した可能性のある情報を見落とし、既に返された証拠を組み込むことに失敗する。
論文 参考訳（メタデータ） (2026-06-15T09:05:55Z) - From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。
人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。
ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
論文 参考訳（メタデータ） (2026-06-03T14:26:25Z) - Plan2Map: A Multimodal Benchmark for Document-Grounded Geospatial Boundary Reconstruction from Planning Records [47.07029078506607]
Plan2Mapは、イギリスの計画記録から文書化された地理空間境界再構築のための208ケースのベンチマークである。
提案するGeoPlanAgentは,そのタスクをエビデンス抽出,ローカライゼーション,マップ登録,境界セグメンテーション,プロジェクション,検証に分解する。
Plan2Mapでは、GeoPlanAgentが0.736の平均IoUと0.904中央IoUを達成した。
論文 参考訳（メタデータ） (2026-06-01T18:12:16Z) - Security Document Classification with a Fine-Tuned Local Large Language Model: Benchmark Data and an Open-Source System [0.0]
本研究では、Qwen 3.5 27Bモデルに基づいて構築されたセキュリティ文書分類のためのオープンソースのローカルシステムであるTorchSightについて述べる。
このモデルは、13の許可を受けたソースから78,358のサンプルと、7つのセキュリティカテゴリと51のサブカテゴリをカバーするGPT-4合成データに基づいて訓練された。
その結果、微調整されたローカルモデルでは、文書処理をローカル制御下に保ちながら、正確なセキュリティ文書分類が可能であることがわかった。
論文 参考訳（メタデータ） (2026-05-19T18:18:19Z) - How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - GeoContra: From Fluent GIS Code to Verifiable Spatial Analysis with Geography-Grounded Repair [5.952966811417142]
LLM駆動型Python GISの検証・修理フレームワークであるGeoContraを提案する。
これは各タスクを、自然言語の質問、スキーマ、CRS、期待出力、空間述語、トポロジー、メトリクス、必要な操作、禁止されたショートカットを含む実行可能な地理空間契約として表現する。
GeoContraは、流動的なコード生成を検証可能な空間分析に変換し、負の移動時間、CRS/フィールド-スキーマ違反、不足した述語、その他の場合では実行可能だが地理的に無効な結果をもたらす脆い出力キャストをキャッチする。
論文 参考訳（メタデータ） (2026-05-01T16:58:24Z) - Subnational Geocoding of Global Disasters Using Large Language Models [0.04374837991804084]
災害リスク評価や災害リスク低減には, 災害時の位置情報が不可欠である。
災害データベースは、不整合な粒度や綴りを含む非構造化のテキスト形式で位置を報告し、空間データセットとの統合が困難になる。
GPT-4o を用いてテキストの位置情報を処理し,クリーン化する,完全に自動化された LLM 支援ワークフローを提案する。
論文 参考訳（メタデータ） (2025-11-13T17:04:18Z) - Enhancing IR-based Fault Localization using Large Language Models [5.032687557488094]
本稿では、プログラミングエンティティ、スタックトレース、自然言語テキストに基づいてバグレポートを分類することで、障害局所化(IRFL)を強化する。
クエリの不正確性に対処するため,LLmiRQ+と呼ばれるユーザと対話型クエリ再構成手法を導入する。
6,340件のバグ報告を含む46のプロジェクトの評価では、MRRは0.6770件、MAPは0.5118件であり、7つの最先端IRFL技術を上回っている。
論文 参考訳（メタデータ） (2024-12-04T22:47:51Z) - TIGERScore: Towards Building Explainable Metric for All Text Generation Tasks [44.801746603656504]
TIGERScore は textbfInstruction textbfGuidance に従って textbfExplainable および textbfReference-free 評価を行う。
我々のメトリクスは、厳密にキュレートされた命令チューニングデータセット MetricInstruct に基づいて訓練された LLaMA-2 に基づいている。
論文 参考訳（メタデータ） (2023-10-01T18:01:51Z)
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。