hanlp 实体关系 标注

 

NASIOCN文献NLP

命名实体识别

实体分类

分类实体解释

 

 

 

 

实体标注

前提

我们针对的是全文的标注，抽出来的自然段，我们要进行逐一的分词分句（单词之间是空格隔开的，句子之间是句点隔开的）并给每个单词打上标签（但我们只需要对文本中的名词打上我们预定义好的8个大类即可，后续的可代码处理）。

准备工作

1. 标注工具需要上传txt格式的中英文文本文献。
2. txt格式的文本文献是按行传入标注工具的，一行可以有多个句子或是一个段落。
3. 根据分好的实体类对每一行进行实体的标注（只需要标注出实体即可！）。

注意

1. 从pdf提取要标注的文本，我们是基于全文做标注，文中有些段落我们并不需要就不用提取出来，但并不意味着我们只一句一句话的抽出来做标注，这会影响我们的数据质与量，甚至使我们花功夫提取出来的文本变得意义不大。
2. 从pdf文献中提取出来的文本看到乱码的问题应处理一下，比如一个化学式中间的一些元素可能乱码，此时我们尽可能的手动的敲上去，实在无法处理的就将其删掉，以使得我们抽出来文本达到标注的要求（单词之间是空格隔开的，句子之间是句点隔开的）。
3. 我们在进行标注的时候一定要仔细将我们标注的单词标注全，不要出现单词少标一个字母的情况，也不要出现标注的单词或者短语的前后多标注了一个空格的情况，这会给后续的处理带来很大的麻烦，甚至出错。
4. 一定要认真对待我们的标注工作，多考虑一句话中的名词是否需要标注。一大段中我们就仅仅标注了两个或者三个名词的情况，会使我们的数据很稀疏，这种情况既花费了时间，而且还达不到标注要求的是会打回去重新标注的，所以大家一定要认真标注。

 

标注工具EasyData的使用

点击https://ai.baidu.com/easydata/进入标注工具首页

点击立即使用

 

点击创建数据集

1. 填写数据集名称
2. 选择文本
3. 选择文本实体抽取
4. 点击完成

 

点击导入数据

1. 选择本地数据集
2. 上传TXT文本
3. 点击上传

1. 点击添加文件，选择本地需要标注的TXT文件
2. 点击开始上传
3. 确认并返回

1. 查看文件的导入状态
2. 对传入的数据进行操作

1. 点击标签组管理
2. 创建标签组

输入标签组名称点击确认即创建成功

点击标签管理

1. 点击添加标签
2. 输入标签的名称点击确认即可

 

至此我们的TXT已经标注结束

已标注数据的导出

前往BOS查看