1. 일반적인 정보 추출 프롬프트:
- “주어진 텍스트에서 모든 엔터티와 그들 사이의 관계를 추출하세요. 결과를 JSON 형식으로 출력해주세요.”
- “다음 텍스트에서 언급된 인물, 장소, 조직을 식별하고 그들 사이의 연결 관계를 찾아주세요.”
2. 구조화된 출력 형식 지정 프롬프트:
- “다음 텍스트에서 엔터티와 관계를 추출하고, 각 엔터티의 이름, 유형, 속성을 포함한 정보를 JSON 형식으로 출력해주세요.”
- “다음 텍스트에서 추출한 관계를 주어-술어-목적어 트리플 형식으로 표현해주세요.”
3. 문맥적 정보 활용 프롬프트:
- “주어진 텍스트의 문맥을 고려하여 엔터티 간의 암시적인 관계를 찾아내세요.”
- “다음 문장에서 ‘X는 Y의 자회사이다’와 같은 숨겨진 관계를 찾아내세요.”
4. 퓨샷 학습 기반 프롬프트:
-
“다음 예시를 참고하여 주어진 텍스트에서 엔터티와 관계를 추출하세요.
-
입력: ‘애플은 2023년에 새로운 아이폰을 출시했다.’
-
출력: { “엔터티”: [{“이름”: “애플”, “유형”: “조직”}, {“이름”: “아이폰”, “유형”: “제품”}], “관계”: [{“주어”: “애플”, “술어”: “출시했다”, “목적어”: “아이폰”}]}
-
입력: ’…”
-
5. 특정 도메인 맞춤 프롬프트:
- “다음 의료 텍스트에서 질병, 증상, 약물 간의 관계를 추출하세요.”
- “다음 금융 뉴스 기사에서 회사, 주식, 시장 동향 간의 관계를 추출하세요.”
6. 추가적으로 사용될수 있는 프롬프트의 팁:
- LLM에게 원하는 출력형식을 최대한 상세하게 설명을 해주는것이 좋습니다.
- 원하는 출력에 대한 예시를 보여주는것은 결과에 대한 정확도를 높일수 있습니다.
- LLM의 특성상 반복적인 프롬프팅이 필요할수 있습니다.