本研究旨在利用开源情报中的非结构化文本数据，填补现有领土控制预测的空白。提出的CONTACT框架应用大语言模型（LLMs）和少量监督，通过使用小规模的手动标label的数据集，创新性地结合了几种方法来提取与控制相关的信号。结果显示，基于BLOOMZ的模型性能优于基线方法，表明该框架在低资源环境下能够显著改善推理能力并降低标注负担。