【技术实现步骤摘要】
本专利技术涉及人工智能、自然语言处理和机器学习，尤其涉及一种基于大语言模型认知先验的因果发现方法与系统。
技术介绍
1、在数据驱动的决策和预测中，因果关系的发现是支持人类理解和预测现象的必要技术需求。随着数据规模不断扩大和数据复杂性的增加，影响数据特征之间关系的因素变得越来越复杂和多样化。因果关系的发现从简单的两个变量之间的关系转变为多个变量之间的复杂因果网。在这种复杂的情况下，各种变量并非是独立的，他们之间可能存在复杂的因果关系，不同的影响因素可能直接或间接地导致某个结果的发生。对于这种复杂数据的因果关系发现，需要在大量的数据中针对性地挖掘直接和间接的影响因素，并去除复杂环境中的无关因素，进而减小因果关系发现的复杂性，以精确高效地进行分析。
2、然而，当前的因果关系发现方法在处理大规模和复杂的数据时，计算复杂性高，需要大量的计算资源，且可能受到样本数量、噪声类型等因素的影响。因此，急需一种新的因果关系发现方案，能够有效地处理大规模和复杂的数据，降低计算复杂性，提高因果关系的发现效率。
3、申请号为cn20231...
【技术保护点】
1.一种基于大语言模型认知先验的因果发现方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大语言模型认知先验的因果发现方法，其特征在于，所述基于大语言模型，获得每一待研究变量的潜在原因集包括：
3.根据权利要求1所述的一种基于大语言模型认知先验的因果发现方法，其特征在于，采用爬山算法构建有向无环图来表示待研究变量之间的因果关系的步骤包括：
4.根据权利要求1或3所述的一种基于大语言模型认知先验的因果发现方法，其特征在于，采用最大最小爬山算法构建有向无环图来表示待研究变量之间的因果关系的步骤包括：
5.一种基于大语...
【技术特征摘要】
1.一种基于大语言模型认知先验的因果发现方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大语言模型认知先验的因果发现方法，其特征在于，所述基于大语言模型，获得每一待研究变量的潜在原因集包括：
3.根据权利要求1所述的一种基于大语言模型认知先验的因果发现方法，其特征在于，采用爬山算法构建有向无环图来表示待研究变量之间的因果关系的步骤包括：
4.根据权利要求1或3所述的一种基于大语言模型认知先验的因果发现方法，其特征在于，采用最大最小爬山算法构建有向无环图来表示待研究变量之间的因果关系的步骤包括：
5.一种基于大语言模型认知先验的因果发现系统，其特征在于，包括：
6.根据权利要求5所述的一种基于...
【专利技术属性】
技术研发人员：陈欢欢，王翔宇，陈律舟，班泰瑜，杨立山，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。