यह शोधपत्र एक नवीन दृष्टिकोण प्रस्तुत करता है जो आपदा-संबंधी सोशल मीडिया डेटा की बहुमुखी और गतिशील प्रकृति पर विचार करके मौजूदा एकल-लेबल वर्गीकरण मॉडल की सीमाओं को पार करता है। हम एक निर्देशात्मक फ़ाइन-ट्यूनिंग तकनीक प्रस्तुत करते हैं जो आपदा-संबंधी ट्वीट्स का बहु-लेबल वर्गीकरण करने के लिए एक बड़े पैमाने पर भाषा मॉडल (LLM) का उपयोग करती है। हम आपदा-संबंधी ट्वीट्स से एक व्यापक निर्देशात्मक डेटासेट बनाते हैं और इसका उपयोग आपदा-विशिष्ट ज्ञान को शामिल करने के लिए एक ओपन-सोर्स LLM को फ़ाइन-ट्यून करने के लिए करते हैं। यह फ़ाइन-ट्यून्ड मॉडल आपदा के प्रकार, सूचनात्मक मूल्य और मानवीय हस्तक्षेप सहित कई आयामों में सूचनाओं को एक साथ वर्गीकृत करता है, जिससे आपदा स्थितिजन्य जागरूकता के लिए सोशल मीडिया डेटा की उपयोगिता में उल्लेखनीय वृद्धि होती है। प्रायोगिक परिणाम दर्शाते हैं कि यह दृष्टिकोण सोशल मीडिया पोस्ट में महत्वपूर्ण सूचनाओं के वर्गीकरण को बेहतर बनाता है, जिससे यह आपातकालीन स्थितियों में स्थितिजन्य जागरूकता के लिए अधिक प्रभावी हो जाता है। यह अधिक उन्नत, अनुकूली और मजबूत आपदा प्रबंधन उपकरणों के विकास में योगदान देता है जो वास्तविक समय की स्थितिजन्य जागरूकता और प्रतिक्रिया रणनीतियों को बेहतर बनाते हैं।
