本研究提出了一种名为R$^2$的框架，旨在自动将小说改编为剧本。该框架通过细化方法和因果情节图，解决了大型语言模型在改编过程中的幻想问题和因果关系提取的挑战，显著提高了改编质量，实验结果显示其表现优于现有方法。

本文提出了一种基于知识引导的二元问答方法（KnowQA），用于文档级因果关系提取（ECRE），有效解决了建模不足和因果幻觉问题。实验结果显示，该方法在MECI数据集上表现优异，验证了事件结构的有效性和高泛化能力。

本文综述了早期语言构造与机器学习在因果关系提取中的应用，提出了一个集成时间与因果关系的框架，利用大型语言模型进行事件因果识别，展示了其在故事理解中的潜力，并探讨了基于文本的因果关系提取方法及其在不同数据集上的表现。