文本標(biāo)注工作是將標(biāo)簽或標(biāo)記與文本中特定內(nèi)容相對應(yīng)的工作。其主要目的是為文本提供額外的信息，以便進行更深入的分析和處理，尤其是在人工智能領(lǐng)域。

文本標(biāo)注對于人工智能應(yīng)用中的監(jiān)督機器學(xué)習(xí)任務(wù)至關(guān)重要。用于訓(xùn)練AI模型，有助更準確地理解自然語言文本信息，提高文本分類、情感分析和語言翻譯等任務(wù)的性能。通過文本標(biāo)注，我們可以教AI模型識別文本中的實體、理解上下文，并在出現(xiàn)新的類似數(shù)據(jù)時做出準確的預(yù)測。

本文主要推薦一些較好的開源文本標(biāo)注工具。

1.Label Studio

https://github.com/HumanSignal/label-studio

Label Studio是一個開源的數(shù)據(jù)標(biāo)注工具，能夠處理多種數(shù)據(jù)類型并支持導(dǎo)出為多種模型格式。它被廣泛應(yīng)用于準備原始數(shù)據(jù)或改進現(xiàn)有的訓(xùn)練數(shù)據(jù)，以提高機器學(xué)習(xí)模型的準確性。

2.Doccano

https://github.com/doccano/doccano

Doccano是一個開源文本標(biāo)注工具，提供文本分類、序列標(biāo)記和序列任務(wù)的功能。它支持文本標(biāo)注團隊協(xié)作、多語言、移動應(yīng)用、表情符號、深色主題和REST風(fēng)格的API?？梢允褂肈ocker和Docker Compose安裝。

3.Universal Data Tool

https://github.com/UniversalDataTool/universal-data-tool

Universal Data Tool是一個用于編輯和注釋各種類型的數(shù)據(jù)（包括圖像、文本、音頻和文檔）的多功能應(yīng)用程序。它支持廣泛的數(shù)據(jù)類型，并提供實時協(xié)作、易于使用的GUI、為文本標(biāo)注人員創(chuàng)建培訓(xùn)課程等功能。該工具可以在網(wǎng)絡(luò)上使用，也可以作為桌面應(yīng)用程序使用，并支持CSV或JSON格式的數(shù)據(jù)下載和上傳。

4.YEDDA

https://github.com/jiesutd/YEDDA

YEDDA是一個可以用于各種語言、符號和表情符號的文本標(biāo)注工具。它支持使用快捷方式、命令模型，并將標(biāo)注文本導(dǎo)出為序列文本。支持智能推薦和管理員分析等功能。

YEDDA兼容所有主流操作系統(tǒng)，包括Windows、Linux和MacOS。

5.Argilla

https://github.com/argilla-io/argilla

Argilla是一個面向人工智能工程師和領(lǐng)域?qū)＜业拈_源數(shù)據(jù)協(xié)作平臺，提供高質(zhì)量、高效率的數(shù)據(jù)輸出。

它有助于控制數(shù)據(jù)質(zhì)量并提高AI輸出質(zhì)量，并通過實現(xiàn)數(shù)據(jù)和模型的快速迭代來提高效率。Argilla還提供了數(shù)據(jù)管理和模型訓(xùn)練工具。

6.KernAI Refinery

https://github.com/code-kern-ai/refinery

Refinery是KernAI的一個開源平臺，專為處理自然語言數(shù)據(jù)的數(shù)據(jù)科學(xué)家設(shè)計。它提供半自動化數(shù)據(jù)標(biāo)注、數(shù)據(jù)子集質(zhì)量評估和集中數(shù)據(jù)監(jiān)控等功能，旨在提高人工標(biāo)記效率。

該工具利用Hugging Face和spaCy等技術(shù)構(gòu)建預(yù)建語言模型，并與其他標(biāo)簽工具集成，以實現(xiàn)靈活的數(shù)據(jù)處理。

功能特征：

• NLP任務(wù)的（半）自動化標(biāo)簽工作流程
• 手動和程序化分類以及跨度標(biāo)簽
• 支持與最先進的庫和框架集成
• 創(chuàng)建和管理查找表/知識庫
• 基于神經(jīng)搜索的相似記錄和離群值檢索
• 可切片標(biāo)簽會話
• 每個項目多個標(biāo)簽任務(wù)
• 豐富的自動化庫
• 廣泛的數(shù)據(jù)管理和監(jiān)控
• 與Hugging Face集成，用于自動創(chuàng)建嵌入
• 基于JSON的數(shù)據(jù)模型用于數(shù)據(jù)上傳/下載
• 項目指標(biāo)概述
• 通過Python SDK訪問和擴展數(shù)據(jù)
• 在位屬性修改
• 托管版本中的團隊協(xié)作
• 面向多個用戶的基于角色的訪問和最小化的標(biāo)簽視圖
• 集成群組標(biāo)簽工作流
• 自動計算注釋者之間的協(xié)

7.Recogito.js

https://github.com/recogito/recogito-js

ApplitoJS是一個用于文本注釋的JavaScript庫，用于向網(wǎng)頁添加文本標(biāo)注功能或構(gòu)建自定義文本標(biāo)注程序?？梢酝ㄟ^npm或下載最新版本來安裝。

8.Label Sleuth

https://github.com/label-sleuth/label-sleuth

Label Sleuth是一個用于文本標(biāo)注和分類的開源、無代碼系統(tǒng)。它使醫(yī)生、律師、心理學(xué)家等領(lǐng)域的專家也能夠在沒有NLP專家配合的情況下構(gòu)建自定義NLP模型。

通常NLP模型創(chuàng)建需要領(lǐng)域和機器學(xué)習(xí)專業(yè)知識。Label Sleuth通過直觀的文本標(biāo)注和AI模型構(gòu)建，繞開了對NLP專業(yè)知識的要求。當(dāng)用戶在標(biāo)注數(shù)據(jù)時，機器學(xué)習(xí)模型在后臺進行訓(xùn)練，進行預(yù)測并建議下一步標(biāo)記什么。

作為一個無代碼系統(tǒng)，它不需要機器學(xué)習(xí)知識，并允許快速開發(fā)模型，從任務(wù)定義到完成模型只需幾個小時。

9.Markup

https://github.com/samueldobbie/markup

Markup是一種在線標(biāo)注工具，可用于將非結(jié)構(gòu)化文檔轉(zhuǎn)換為NLP和ML任務(wù)的結(jié)構(gòu)化格式，例如：實體識別。在您標(biāo)注時進行同步學(xué)習(xí)，以預(yù)測和推薦更為復(fù)雜的標(biāo)注，并且還提供對用于概念映射的通用和自定義本體的集成訪問。

功能特征：

• 預(yù)測性注釋：Markup的機器學(xué)習(xí)驅(qū)動的預(yù)測性標(biāo)注功能，可在您工作時推薦更復(fù)雜的標(biāo)注，使標(biāo)注的過程更加高效。
• 集成本體訪問標(biāo)記：提供了對廣泛的通用本體（例如UMLS、SNOMED-CT、ICD-10）的集成訪問，以及上傳自定義本體的能力，用于概念映射。
• 預(yù)測性本體映射：Markup的預(yù)測性本體映射功能使用機器學(xué)習(xí)，根據(jù)您正在標(biāo)注的文本，推薦到標(biāo)準和自定義術(shù)語的適當(dāng)映射。?
• 友好的用戶界面：無論您是技術(shù)專家還是初學(xué)者，標(biāo)記的用戶友好的界面使任何人都可以輕松地以最小的設(shè)置開始注釋文檔。

10.Potato

https://github.com/davidjurgens/potato

Potato是一個基于Web的文本標(biāo)注工具，支持快速設(shè)置和部署各種文本標(biāo)注任務(wù)?？梢宰鳛閃eb服務(wù)器運行，由單個配置文件驅(qū)動，不需要啟動編碼。但Potato很容易自定義，通常不需要額外的網(wǎng)頁設(shè)計，就可以調(diào)整文本標(biāo)注人員的操作界面。

關(guān)鍵特征：

• 易于設(shè)置和定制
• 廣泛的內(nèi)置模式和模板
• 支持多種數(shù)據(jù)類型
• 支持多任務(wù)設(shè)置
• 通過鍵盤快捷鍵、動態(tài)高亮顯示和標(biāo)簽工具提示等功能提高標(biāo)注效率
• 更好地了解注釋者的功能，例如篩選前和篩選后的問題
• 質(zhì)量控制功能，如注意力測試、資格測試和內(nèi)置時間檢查