Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Subnational Geocoding of Global Disasters Using Large Language Models

Created by
  • Haebom
Category
Empty

저자

Michele Ronco, Damien Delforge, Wiebke S. Jager, Christina Corbane

개요

본 논문은 재해 관련 위치 정보를 처리하고 정리하기 위한 완전 자동화된 LLM 기반 워크플로우를 제시한다. GPT-4o를 사용하여 텍스트 기반 위치 정보를 처리하고, GADM, OpenStreetMap, Wikidata의 지리 정보 저장소를 교차 검증하여 지오메트리를 할당한다. 2000년부터 2024년까지의 EM-DAT 데이터셋에 적용하여 14,215개의 재해 이벤트를 17,948개의 고유 위치에 대해 지오코딩했다. 수동 개입 없이, 모든 재해 유형을 처리하며, 여러 소스 간의 교차 검증을 가능하게 한다.

시사점, 한계점

시사점:
LLM을 활용한 완전 자동화된 재해 위치 정보 처리 워크플로우 제시.
여러 지리 정보 저장소의 교차 검증을 통한 위치 정보 신뢰도 향상.
수동 개입 없이 대규모 데이터셋 처리 가능.
모든 재해 유형에 적용 가능하며, 유연한 재매핑 지원.
지리 정보 추출 및 구조화에 LLM의 잠재력 입증.
한계점:
구체적인 한계점은 논문 요약에서 명시되지 않음. (예: LLM의 오류 가능성, 지리 정보 저장소 간의 불일치 문제 등)
👍