.png){kind=icon}
返回
ChatCEE: a causality extraction framework based on large language model
.png){kind=icon}
PRE
AI
DOI：10.1007/s10799-026-00484-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型语言模型（LLMs），以ChatGPT和DeepSeek为代表，展示了强大的语言理解和文本生成能力，为解决因果关系提取的传统问题开辟了新的可能性。本文聚焦于因果关系提取的核心任务，采用提示工程中的任务规划技术，基于LLMs开发了一个两阶段框架，称为ChatCEE（用于因果关系提取的聊天），以实现具有一定可解释能力的自动因果关系提取。ChatCEE框架通过利用子句简化提取过程，并利用提取模板和正确提取示例显著提升了LLMs的性能。为验证框架的有效性，在两个数据集上（危险化学品事故调查报告数据集和CEC公开数据集）进行了四种提示类型的对比实验，使用了包括GPT-4o和DeepSeek在内的五种LLMs。结果表明，ChatCEE在两个数据集上（GPT-4o）分别达到了86.12%和91.81%的F1分数，优于现有模型结果。该框架实现了成本效益高、效率高的可解释自动化因果关系提取。本文的研究为因果关系提取问题提供了新的视角，其过程和方法可应用于文本理解、问答系统和事件图（EG）构建。
Keyword:
Large language models
Prompt engineering
Causality extraction
ChatCEE
期刊
I
IF:
2.9
论文数:
32
被引数:
0
机构
引用论文
Moth Flame Optimization With Hybrid Deep Learning Based Sentiment Classification Toward ChatGPT on Twitter基于混合深度学习的蛾焰优化对Twitter上ChatGPT的情感分类.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏LQ-FJS: A logical query-digging fake-news judgment system with structured video-summarization engine using LLMLQ-FJS：一个基于逻辑查询挖掘和结构化视频摘要引擎的虚假新闻判断系统，使用LLM
PREAI
分享收藏CzeGPT-2-Training New Model for Czech Generative Text Processing Evaluated With the Summarization TaskIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Candidate-Heuristic In-Context Learning: A new framework for enhancing medical visual question answering with LLMs候选启发式上下文学习: 使用LLMs增强医学视觉问答的新框架
PREAI
分享收藏
查看更多内容