Identifying economic narratives in large text corpora – An integrated approach using Large Language Models
创建于 更新于
摘要
本论文提出了一种基于大型语言模型GPT-4o的经济叙事自动提取方法，聚焦通胀相关的新闻文本。在对纽约时报与华尔街日报1985-2023年相关文章的100文档专家标注构建的黄金标准上，采用few-shot连锁思维提示（Chain-of-Thought）技术，模型能有效识别语义深层的经济因果叙事结构。研究亦设计了详尽注释准则和后处理抽象聚类流程，将多样化事件归类为宏观经济主题。尽管模型在短文和显性叙事识别上表现优异，但仍存在叙事结构处理不足、过拟合提示样例及隐式因果关系识别难题，导致准确率为44%，低于专家。该框架为经济文本大规模定量分析提供新路径，强调专家与LLM协同的重要性，指明未来可通过专门调参与聚类优化展开进一步研究[page::0][page::19][page::23][page::33].
