基于大语言模型的文本事件关联方法

本发明公开了一种基于大语言模型的文本事件关联方法，采用"要素‑事件"两阶段关联策略，精准提取文本事件中的人物、时间、行为等关键要素，并通过大语言模型的强大推理和关联理解能力，深入挖掘事件要素之间的隐蔽关联关系。与现有技术相比，本发明通过结合干扰词过滤、正则表达式筛选及基于时间顺序的关联事件排序，能够有效提高事件关联的准确性和深度。特别是在复杂事件间的关系提取与关联度计算方面，本发明显著提升了事件间关联的识别精度，充分体现了对不同事件关联关系的深度理解和准确识别，从而有效提升了事件关联关系的深度和精度。