Bài báo này trình bày một phương pháp tiếp cận mới khắc phục những hạn chế của các mô hình phân loại nhãn đơn hiện có bằng cách xem xét bản chất đa diện và động của dữ liệu mạng xã hội liên quan đến thảm họa. Chúng tôi giới thiệu một kỹ thuật tinh chỉnh chỉ thị sử dụng mô hình ngôn ngữ quy mô lớn (LLM) để thực hiện phân loại đa nhãn các tweet liên quan đến thảm họa. Chúng tôi xây dựng một tập dữ liệu chỉ thị toàn diện từ các tweet liên quan đến thảm họa và sử dụng nó để tinh chỉnh một LLM nguồn mở nhằm kết hợp kiến thức chuyên biệt về thảm họa. Mô hình tinh chỉnh này đồng thời phân loại thông tin trên nhiều chiều, bao gồm loại thảm họa, giá trị thông tin và can thiệp nhân đạo, nâng cao đáng kể tiện ích của dữ liệu mạng xã hội đối với nhận thức tình huống thảm họa. Kết quả thử nghiệm chứng minh rằng phương pháp này cải thiện việc phân loại thông tin quan trọng trong các bài đăng trên mạng xã hội, giúp nhận thức tình huống trong các tình huống khẩn cấp hiệu quả hơn. Điều này góp phần vào việc phát triển các công cụ quản lý thảm họa tiên tiến, thích ứng và mạnh mẽ hơn, giúp nâng cao nhận thức tình huống theo thời gian thực và các chiến lược ứng phó.
