基于Schema约束的LLM从UNDRR报告中抽取地理参考灾害事件记录

论文提出一套LLM流水线，用受控灾害词表和固定schema从散文式减灾档案中生成候选地理参考事件记录，并保留可核查证据。在PreventionWeb的1万份文档上运行，从1913份文档产出3572条记录，覆盖24类灾害，81%的地点提及被解析到OpenStreetMap几何。在217份分层参考集的171个人工正例窗口上，GPT-5的汇总属性F1为86.0%，spaCy-gazetteer基线为44.2%。

EM-DAT等灾害数据库此前无法直接消化UNDRR散文档案，人工录入成本高且难以追溯。该工作显示schema约束加受控词表可以把非结构化报告批量转为可审核的结构化事件记录，并首次给出与规则的量化差距；作者将公开prompt、schema与输出，便于迁移到各国报告档案。

机制是用固定schema和受控灾害词表限制LLM输出空间，使其按字段生成带地理坐标的候选事件，而不是自由抽取；同时保留逐字证据供人工复核。评估上把同一文档内的灾害类别、地点字符串和事件年份汇总比较，验证字段填充质量；再通过标签与位置规则的自动合规检查、以及逐字证据出现率，衡量可追溯性。

对灾害数据、保险与气候风险类产品，可把报告整理从人工摘录转为机器生成加人工审核，降低结构化成本并扩大可入库档案范围。研发上需建立schema、受控词表、地点解析到OpenStreetMap的映射和复核界面，并处理生产环境中的失败模式；由于评估未判定属性归属到单个事件，字段级自动填充仍需人工或二次校验。

• 以公开的schema与prompt为基础，搭建面向国家级减灾报告档案的抽取服务，输出事件记录加逐字证据供人工审核。
• 为灾害数据库厂商提供非结构化报告转EM-DAT兼容字段的预处理模块，并对地点提及对接OpenStreetMap几何解析。
• 在抽取流程中内置标签与位置规则的自动合规检查，作为数据入库前的质量闸门。
• 针对属性到单个事件的归属问题，构建人工复核或二次判别环节，补充论文未覆盖的字段级验证。

• schema、prompt与输出释放的具体时间与许可方式尚未明确。
• 在非英语或非UNDRR来源档案上的抽取与地点解析表现是否成立，尚无证据。
• 属性到单个事件的归属准确率未评估，无法判断事件级记录可直接入库的程度。
• 生产失败模式的具体类型与发生频率未在证据中列出。