본 연구는 베트남어 개체명 인식(NER)의 어려움을 해결하기 위해 규칙 기반 처리와 딥러닝 모델을 통합한 하이브리드 신경-기호 프레임워크를 제안합니다. LLM을 활용한 데이터 증강 전략을 통해 레이블 세트를 확장하여 데이터 부족 문제를 완화하며, 이는 본 연구의 주요 특징입니다. 실험 결과, 로지스틱, 야생 동물, 의료 등 5개의 특정 도메인 데이터 세트에서 RoBERTa 기반의 기존 모델보다 F1 점수가 크게 향상되었습니다.