Skip to content

文本标注工具

{% embed url="https://github.com/t-web/ChineseAnnotator" %}

中文自然语言处理 (NLP) 标注工具，与 有志之士 共同 促进 中文 自然语言处理 的 发展。

一、关于

  • 这个项目最原始的代码是从 YEDA fork 过来的，访问 YEDA 项目，了解更多信息
  • 这 不是 一个 web 应用，而是一个基于 Python tkinter 的轻量级桌面端应用
  • 本项目仅支持 Python 3.x，不考虑 兼容 Python 2.x
  • 本项目目前仅支持实体标注，未来将加入更多功能

二、使用指南

安装 Python 3.x

下载本项目

git clone https://github.com/SophonPlus/ChineseAnnotator.git 或直接下载 压缩包 并解压

开始标注

alt text alt text

  • 执行 python YEDDA_Annotator.py，启动标注程序
  • 在标注程序界面的右侧，设置快捷键，如 a: Action; b: Loc; c: Cont
  • 点击 ReMap 按钮，保存快捷键设置
  • 点击 Open 按钮，选择文件 (后缀必须为 .txt 或 .ann)
  • 选中文本，然后使用设置好的快捷键进行标注，标注格式形如 [@the text span＃Location*]
  • 通过 RMOn 和 RMOff 按钮，可以开启或关闭智能推荐
  • 智能推荐会根据已经手动标注的数据，自动标注未标注的数据。其格式为 [$the text span＃Location*]，并用绿色展示出来（注意：手动标注以 [@ 打头，而推荐标注则以 [$ 打头）
  • 标注结果与原始文件保存在同一个目录中，文件名为 "原文件名 + .ann"

管理标注工作

alt text

  • 执行 python YEDDA_Admin.py，启动管理程序
  • 点击 多人标注分析，然后选择多个 *.ann 文件，会给出不同标注结果的 F 值矩阵 alt text
  • 点击 配对比较，然后选择 2 个 *.ann 文件，会生成相应的对比报告 (报告为 .tex 格式，可以进一步编译为 .pdf 文件)。示例 pdf 报告如下：

alt text

其他（重要）功能

  1. 按 ctrl + z 撤销最近 1 次的修改
  2. 选择已经标注的实体，或将光标置于已标注的实体范围内，按其他实体类别的快捷键 (如 x) 更新实体类别 (与 x 对应的实体)，按 q，删除实体标注
  3. 选择已标注的文本，如 [@美国＃Location*], 再按 q, 删除实体标注，即恢复到未标注的状态 (如"美国")
  4. 确认/删除推荐标注的实体：将光标置于推荐标注的实体范围内，按 y (确认)，按 q (退出)

  5. 点击 export 按钮，会将 ".ann" 文件导出为同名的 ".anns" 文件（存放在同一目录下）。导出文件为序列标注的格式。

  6. 源代码中，参数 self.seged 用于控制导出的行为。如果句子由空格间隔的单词构成（英文或已分词的中文），则该值应设置为 True，否则应设置为 False（如未分词的中文）

  7. 另一个参数 self.tagScheme 控制导出的格式，".anns" 文件将使用 BMES 格式，如何该值为 "BMES"，否则导出格式为 "BIO"