Un cadre de construction d'inventaire basé sur un LLM des événements d'effondrement urbain avec localisation spatiotemporelle

Les rapports historiques des médias d'information constituent une source de données essentielle pour comprendre le risque d'événements d'effondrement du sol urbain (UGC). À l'heure actuelle, l'application des grands modèles de langage (LLM) offre des opportunités sans précédent pour extraire efficacement les événements UGC et leurs informations spatiotemporelles à partir d'une grande quantité de rapports d'actualités et de données médiatiques. Par conséquent, cette étude propose un cadre de construction d'inventaire basé sur un LLM composé de trois étapes : collecte de rapports d'actualités, reconnaissance des événements UGC et extraction des attributs des événements. En se concentrant sur la province du Zhejiang, en Chine, comme région test, un total de 27 cas d'événements d'effondrement issus de 637 rapports d'actualités ont été recueillis pour 11 villes de niveau préfectoral. La méthode a atteint un taux de rappel supérieur à 60 % et une précision inférieure à 35 %, indiquant son potentiel pour détecter efficacement et automatiquement les événements d'effondrement ; cependant, la précision doit être améliorée pour tenir compte de la confusion avec d'autres événements d'effondrement urbain, tels que les effondrements de ponts. L'inventaire des événements UGC obtenu est le premier inventaire en libre accès basé sur des rapports d'actualités internet, les dates et lieux des événements, ainsi que les coordonnées des effondrements dérivées de contenus non structurés. De plus, cette étude offre des perspectives sur le schéma spatial de la fréquence des UGC dans la province du Zhejiang, complétant efficacement les données statistiques fournies par le gouvernement local.