# zero-/few-shot learning을 통한 NER 방법 정리

# 개요

### 테스트 방법 개요

1. PLM 모델 : KoGPT 또는 상응하는 한글지원 GPT아류, KoBERT류 (Longformer 포함)
2. 테스트 항목 : 다운스트림 학습 결과인 NER
3. 테스트 방법 : zero-shot과 few-shot을 이용한 NER 결과 도출 및 WEX 추출 결과와 비교
4. 테스트 데이터는 살인사건 판례 4천 건
5. 범죄분야 사전학습 후 결과도 평가해 보아야 함

# NER 테스트 방법

### 준비 사항

#### 데이터

- <span style="background-color: rgb(255, 255, 255); color: rgb(224, 62, 45);">***추출 대상 개체별로 <span style="text-decoration: underline;">따로 prompt 준비 필요한지</span> 확인 또는 테스트를 해 보고 확인***</span>
- <span style="color: rgb(0, 0, 0);">zero-shot 용 prompt 후보들</span>
- few-shot 용 prompt 후보들  
    \- 지시사항 및 예시
- 테스트용 데이터 : 4천건 살인사건 판례 데이터

#### 테스트 대상 PLM

- KoBERT/KorBERT 등 BERT 또는 LaMDA, PaLM, Huggingface의 PLM transformer 후보 선택
- KoGPT 또는 유사 한국어 도메인용 GPT류 선택

#### 테스트 기준

- 기존 WEX 추출 결과 범죄구성요소 7개 항목 결과와 비교 (수동 비교)
- 하이퍼파라미터 조정 기준 결과 버전 확보하여 WEX와 비교
- <span style="color: rgb(186, 55, 42);">***향후 범죄도메인특화 사전학습 후에 테스트 및 평가 필요***</span>