ConceptE presenta un marco que utiliza modelos de lenguaje grandes para derivar semántica a nivel de concepto a partir de activadores de eventos, permitiendo una agrupación de eventos más coherente y una expansión jerárquica confiable. Los experimentos en ACE, ERE y MAVEN muestran que ConceptE supera a los métodos existentes, con hasta un 12.37\% de mejora en BCubed-F1 y un 6.48\% en Taxo_F1.