NLP中语料库的人工注释工具

Question

我正在尝试为命名实体识别构建我自己的培训语料库，但我不知道是否已经存在这样的工具或者我是否必须自己实施。

基本上，我需要做的是采用语料库并逐字手动标记，这非常繁琐，但必须这样做。

任何人都可以告诉我，如果已经有现有的，可以从哪里获得它？

Answer 1

我在使用BRAT时有很好的经验。 GATE也是一个非常复杂的工具，用于注释，更陡峭的学习曲线。

Answer 2

对于相对较短文档的文本或HTML语料库的在线注释，我还建议BRAT。如果你想做任何自定义的事情，你将不得不深入了解python web应用程序。它也无法在大型HTML文档（100页左右）上为我工作。

我还使用了独立的应用程序：

• Protege + Knowtator：设置/使用有点麻烦，但它 作品;
• Gate：也很麻烦，而且有点奏效。备用 您可能会定期获得注释 对堆栈跟踪感到惊讶，也删除或损坏了您的注释 语料库（它只是序列化的Java对象）。

如果您正在处理PDF文档，我们构建了一个基于Web的PDF注释工具：NOTA。它接受打印为PDF的任何内容，包括扫描。我们在最后进行商业OCR以从图像中恢复文本。有一个REST API用于创建颜色编码的注释模式，并使用注释预填充文档，以及用于导出格式化文本和注释偏移的REST API。您还可以使用JS API来自定义任何注释工作流，向注释添加元数据等。不支持开箱即用的关系。大型文档，支持200多页。 Email us我们可以为您提供API密钥以进行试用。可以找到详细信息和文档链接here。它对于小型研究项目是免费的。

以下是注释的截图：

Answer 3

我们使用DataTurks获得了很好的体验。它们提供了非常直观的UI，允许添加协作者，数据洞察，注释器排行榜和其他一些时髦的功能。

https://dataturks.com

Answer 4

我自己共同开发了基于网络的文字注释工具：tagtog.net

无需安装，您可以定义要注释的实体的类型。此外，您可以注释关系，文档标签等等。您可以上传多种不同格式的文档，包括 PDF或降价。您可以与团队协作一起注释。我们非常注重使界面简单美观。它看起来像这样：

您可以立即使用free account开始。我也很乐意帮助您解决任何疑问或问题;只是ping我或给我们发电子邮件到网站tagtog.net上显示的地址。

Answer 5

我们的注释工具Prodigy非常易于编写脚本，旨在用于主动学习。它与我们的NLP库spaCy集成得特别好。

我们特别关注命名实体识别（NER）注释工作流，因为否则实体识别可能会非常缓慢。我有一个关于这个的教学视频：

https://www.youtube.com/watch?v=l4scwf8KeIA

Answer 6

有一个名为Dataturks的工具非常简单易用，完全在线NLP annotation tool，因此我甚至可以轻松地让我的队友为我们的项目完成数据集。

Answer 7

尝试TagEditor， 它是一个桌面应用程序，旨在使用spaCy库注释文本以进行培训。 您可以标记命名实体，相关性，词性，文本类别  并打印json文件。 Example