一、适用问题
GPT如何高效提取、分类并呈现非结构化文本数据？
二、准备资料
需提供原始文本数据，确保内容清晰、无歧义，并具备可分割性。
三、具体步骤
1. 识别信息类型（如事件、人物、数据）
2. 划分层级结构（如时间、地点、人物）
3. 使用标签或编号进行分类
4. 生成可视化结构（如树状图、表格）
四、虚构示例
虚构示例：
用户输入："2023年全球气候变化报告指出，北极冰盖面积减少15%，导致极地动物迁徙路径改变。2024年联合国气候变化会议通过《巴黎协定》修正案，提出碳排放目标调整。"
GPT输出：
【气候变化】
【事件】
- 2023年：北极冰盖面积减少15%
- 2024年：联合国通过《巴黎协定》修正案
【影响】
- 极地动物迁徙路径改变
五、核对清单
1. 数据是否完整？
2. 结构是否清晰？
3. 标签是否准确？
4. 是否包含关键信息？
5. 是否符合用户需求？
六、常见误区
1. 忽视信息层级，导致结构混乱
2. 未进行分类，造成信息混杂
3. 缺乏标签，难以检索
4. 输出格式不统一，影响阅读体验
5. 未考虑用户需求，输出内容不匹配