检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向烟草领域的文本标注语料库构建

烟草科技 2024年第6期57卷 99-106页

作者：王永胜刘亚丽宗国浩王迪王锐王金棒李丰霖贾楠冯伟华中国烟草总公司郑州烟草研究院郑州高450001 江苏省烟草公司苏州市公司江苏省苏州市215008

为快速获取烟草科技文献中的知识信息,通过交互式迭代学习的烟草知识实体标注与识别方法,构建了面向烟草领域的文本标注语料库,设计了适用于烟草领域的文本标注规范,并利用BERT+CRF(Bidirectional Encoder Representations from Transfo... 详细信息

为快速获取烟草科技文献中的知识信息,通过交互式迭代学习的烟草知识实体标注与识别方法,构建了面向烟草领域的文本标注语料库,设计了适用于烟草领域的文本标注规范,并利用BERT+CRF(Bidirectional Encoder Representations from Transformers+Conditional Random Field)深度学习网络模型实现了烟草命名实体的识别和预标注,结合人工校对扩充了原始语料的规模,优化了模型性能。结果表明:语料标注一致性F1标注达92.4%;BERT+CRF模型识别能力优于常用的CRF、BiLSTM+CRF命名实体识别模型。该技术可为提升烟草领域文本分析和知识挖掘能力提供支持。

关键词：烟草文本标注语料库文本分析知识服务

在线全文

学校读者我要写书评

暂无评论

文本标注的数据库表达及应用

文本标注的数据库表达及应用

作者：宋阳东北大学

学位级别：硕士

词典普遍被作为一种含有大量语言学知识、常识知识的知识库。传统英语词典中一般包含词形、词性、词义、例句、习语、各种语法语用说明以及出处、领域等注解。从传统词典中提取出这些语言词汇知识并加以结构化存储,使词典中的知识利于... 详细信息

词典普遍被作为一种含有大量语言学知识、常识知识的知识库。传统英语词典中一般包含词形、词性、词义、例句、习语、各种语法语用说明以及出处、领域等注解。从传统词典中提取出这些语言词汇知识并加以结构化存储,使词典中的知识利于计算机使用和处理,将有利于促进语言学、自然语言处理、机器翻译和知识工程等相关领域的研究,同时有利于语言教学。现有的纸版词典是面向人类读者,而非计算机的。其基本存储格式为文本格式。虽然词典的排版遵循一定的规则,但由于是给人阅读的,其中也存在相当多的随意性。其中很多部分之间的界限并不明显,对于计算机自动解析具有相当的困难。对词典文本信息的抽取取决于文本中文本信息实体的识别和标注。本文提出一种文本标注的数据库表达方法,将文本实体特征信息和标注结果表达在数据库中,从而使特征信息参数化。并提出文本信息标注的基本方法为依据文本信息实体的特征标记和标记序列组合特征以及实体间关系来识别和标注实体。这样使文本标注的通用性增强,有利于标注结构类似的其他词典文本。首先,本文分析了文本标注领域的相关概念和概念之间的关系,给出了文本标注的通用数据库表达方法。然后,本文以《牛津高阶英汉双解词典(第四版)》(简称OALD4)文本的标注与信息抽取为应用,详细阐述了基于文本标注的数据库表达方法的OALD4文本标注与信息提取系统的分析、设计与实现。最后,对本文的工作进行了总结和展望。提出需要进一步研究的工作和改进的建议。

关键词：文本标注信息抽取知识库建设英汉词典

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Web的众包文本标注平台构建与应用

计算机应用 2022年第S1期42卷 1-6页

作者：项威刘文卓王邦华中科技大学电子信息与通信学院武汉430074

针对现有文本标注工具中缺乏复杂类型标注功能和众包质量检测方法等问题,构建了一个基于Web的众包文本标注平台。一方面,平台采用浏览器/服务器(B/S)的开发架构和前后端分离的开发方式,实现了复杂类型文本标注的需求,提供序列标注、单... 详细信息

针对现有文本标注工具中缺乏复杂类型标注功能和众包质量检测方法等问题,构建了一个基于Web的众包文本标注平台。一方面,平台采用浏览器/服务器(B/S)的开发架构和前后端分离的开发方式,实现了复杂类型文本标注的需求,提供序列标注、单标签标注、量级标签标注、多层次标签标注和嵌套文本标注等场景的文本标注功能;另一方面,还提出了一种基于监督数据的多数投票一致性检测方法,在随机注入的监督数据上计算标注参与者的标注能力,作为多数投票的权重,进行真值推断得到最终的标注结果。最后,进行了系统功能测试、系统性能测试和浏览器兼容性测试,测试结果表明该系统能够满足复杂类型文本标注的需求,所提出的一致性检测方法能够筛选出高质量的标注内容反馈给用户。提供了一个高效便捷的众包文本标注平台,以构建高质量的文本语料库,助力自然语言处理(NLP)相关任务的研究,并已部署在服务器上,互联网用户可直接通过浏览器访问。

关键词：文本标注自然语言处理众包 Web 一致性检测

Protégé文本标注工具在药物知识表示中的应用及其比较

在线全文

学校读者我要写书评

暂无评论

复旦学报（自然科学版） 2009年第1期48卷 142-147,152页

作者：韦雯倩南蓬陈燕张晓艳李轩刘雷李作峰复旦大学生命科学学院生物多样性与生态工程教育部重点实验室上海200433 同济大学生命科学与技术学院上海200092 上海生物信息技术研究中心上海200235

通过对药物基本信息的特征分析,使用Prot啨g啨软件构建药物本体,分别使用基于Protégé-Frames和Protégé-OWL的文本标注工具Knowtator和iAnnotate对临床药物指南文档进行标注,以达到药物基本信息的结构化,同时比较分析了两个标注工具... 详细信息

通过对药物基本信息的特征分析,使用Prot啨g啨软件构建药物本体,分别使用基于Protégé-Frames和Protégé-OWL的文本标注工具Knowtator和iAnnotate对临床药物指南文档进行标注,以达到药物基本信息的结构化,同时比较分析了两个标注工具在生物医学信息学应用中的差异.

关键词：药物本体临床药物指南 Protégé 文本标注

在线全文

学校读者我要写书评

暂无评论

众包文本标注系统的设计与实现

众包文本标注系统的设计与实现

作者：王涛南京大学

学位级别：硕士

海量可靠的数据是研究大数据和机器学习算法的重要保证。直接从互联网获取的数据质量参差不齐,存在大量的无效数据。在人工智能和大数据技术飞速发展的今天,如何快速地获取有效的数据进行信息的挖掘和训练显得尤为重要。目前提供标注功... 详细信息

海量可靠的数据是研究大数据和机器学习算法的重要保证。直接从互联网获取的数据质量参差不齐,存在大量的无效数据。在人工智能和大数据技术飞速发展的今天,如何快速地获取有效的数据进行信息的挖掘和训练显得尤为重要。目前提供标注功能的平台数据类型非常丰富,但针对专业的文本类型的标注仍有很大的发展空间,而文本类型仍是我们目前使用最为广泛的数据类型。众包平台具有参与人数多、目标用户明确等特点,因此可以开发一个基于众包的文本标注系统,由发布者定义需要进行标注的文本数据,由众包平台大量的目标用户进行标注,可以快速、准确地为发布者提供海量可靠的标注数据集,有效地节约了时间。通过该系统标注的相关文本数据,将为各类文本挖掘和文本分析提供重要的数据支撑。本文设计并实现了一个基于众包的文本标注系统,系统从功能模块可以划分为任务发布模块、任务执行模块和任务管理模块,涉及的文本标注类型包括信息抽取、文本分类、文本配对、文本关系、文本排序和类比排序。文本标注需求由发布者以任务的形式进行发布,由参与者使用点击选择标签、连线、拖拽排序等做任务的方式完成内容的标注。系统使用MVC设计模式,接口采用RESTful风格的架构设计,并结合Spring Boot框架和MyBatis对象关系映射框架,将系统分层、业务模块细分。系统覆盖的文本类型更加细致,文本专业性更强。系统前端基于Web开发,易于操作,接口响应时间短,运行效果良好。

关键词：众包文本标注 Spring Boot 文本分类文本配对类比排序

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

配电网CAD系统中文本标注技术与应用

微计算机信息 2007年第19期23卷 216-218页

作者：李兰友黄晓伟邵定宏陶科南京工业大学信息科学与工程学院 210009

本文介绍了矢量绘图系统中文本标注技术的原理和方法,结合配电网CAD系统的开发,给出了在VC++开发环境下多行文本标注的具体实现方法。标注文本能和系统图形同步显示,具有矢量性,且编辑时能动态更新。

关键词：文本标注配电网 CAD 矢量图形

在线全文

学校读者我要写书评

暂无评论

众包文本标注系统的设计与实现

众包文本标注系统的设计与实现

作者：刘文卓华中科技大学

学位级别：硕士

随着信息技术的日新月异,自然语言处理在机器翻译、智能问答、文本分类等领域有着广泛的应用前景,为人们的生活带来很多便利。自然语言处理技术需要将海量的非结构化文本,加工处理成可被计算机学习和理解的数据对象。作为自然语言分析... 详细信息

随着信息技术的日新月异,自然语言处理在机器翻译、智能问答、文本分类等领域有着广泛的应用前景,为人们的生活带来很多便利。自然语言处理技术需要将海量的非结构化文本,加工处理成可被计算机学习和理解的数据对象。作为自然语言分析的基础,标注文本数据成为研究自然语言处理算法的一个必要步骤。本文详细介绍了一个众包文本标注系统,本系统为自然语言处理的研究人员以及文本数据标注者提供了一个语料标注的平台,满足多种标注场景需求,结合众包模式的高效性,用于构建高质量语料库。系统采用浏览器/服务器开发架构,前后端分离开发,主要分为标注任务管理模块、文本标注模块、错误反馈模块、状态监听模块、真值推断模块和众包激励模块。本文提出了两个创新点:1、在真值推断模块,本系统结合基于多数投票、基于监督数据和基于标注效率的三类真值推断方法,对多人的标注结果进行一致性检测及自动合并,为任务发布者展示系统推断的标注真值,便于发布者审核和调整标注结果,提高标注语料的准确率和可靠性;2、在众包激励模块,本系统设计了完善的众包激励机制,以积分为载体,为系统内的用户标注操作设置了对应的积分变动规则,激励高质量标注者,提升用户标注的积极性和投入度,提高系统整体文本标注质量。最后,本系统已经部署在服务器上,可通过浏览器访问。对本系统进行了功能测试、系统性能测试和浏览器兼容性测试,测试表明众包文本标注系统能满足序列标注和文本分类等文本标注需求,标注真值推断结果和一致性检测方法较为合理。本系统在满足工程需求的基础上提出了创新点,但仍有提升空间,进一步改进的方向包括采用迭代标注方法提升用户的标注效率,增加实体三元组标注功能,扩展系统应用范围。

关键词：众包文本标注标注质量控制 web系统

基于Android的众包文本标注系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Android的众包文本标注系统的设计与实现

作者：孔敏南京大学

学位级别：硕士

文本信息是最基本的信息形式,利用自然语言处理技术可以对海量的文本数据进行分析处理。而智能化自动处理信息的首要条件是要有已经标注的数据作为训练集对数据模型进行训练。因此,对文本数据进行标注就成为在对自然语言处理算法进行研... 详细信息

文本信息是最基本的信息形式,利用自然语言处理技术可以对海量的文本数据进行分析处理。而智能化自动处理信息的首要条件是要有已经标注的数据作为训练集对数据模型进行训练。因此,对文本数据进行标注就成为在对自然语言处理算法进行研究之前需要解决的一个问题。由于文本处理算法多种多样,需要对文本进行不同角度的研究,就需要实现多种类型的文本标注。本文总结了国内外数据标注平台的发展现状,针对目前数据标注平台标注类型繁多,但是鲜有专业的文本标注平台的特点;结合众包平台用户量大、效率高、成本低的特点,提出构建基于众包的文本标注系统的必要性和可行性,从而有效解决文本标注问题。本文设计实现了一个基于众包平台的文本标注系统。该系统分为任务发布、任务执行和任务管理三个模块。在该系统中,文本标注工作以任务为载体,文本标注任务被划分成不同的类型。在任务发布模块用户选择任务类型,然后把需要标注的文本内容以文件的形式上传到该系统。在任务执行模块用户可以通过选取文件内容、选择标签、连线和拖拽文本等不同操作方式,对文本数据进行不同类型的标注。在任务管理模块用户可以查看自己发布或参与的任务。该系统后台使用Spring Boot框架进行搭建,前端使用And roid移动端页面展示数据。该系统设计并实现了对文本的六种类型的标注,完成了预期功能,后期可以扩展新的文本标注类型。本文主要对三种文本标注类型的设计与实现进行了描述。该系统致力于为自然语言处理的所有算法提供高质量、多种类的可靠标注数据集;利用可靠数据提高算法训练的准确度,缩减训练算法前期准备的时间,推动自然语言处理技术的发展。

关键词：众包文本标注信息抽取关系抽取 Spring Boot Android

数字人文视域中的古籍文本标注方法研究——以MARKUS为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大数据 2022年第6期8卷 15-25页

作者：于亚秀李欣华东师范大学图书馆上海200062 华东师范大学数据科学与工程学院上海200062

文本标注是文本分析挖掘中的重要一步,面对大规模古籍资源,人工标注无法满足人文研究需求,且古籍语法结构和语言特点特殊,现代文本标注技术很难直接用于古籍研究。在分析人文研究者进行古籍文本标注中面临的难点和痛点的基础上,提出普... 详细信息

文本标注是文本分析挖掘中的重要一步,面对大规模古籍资源,人工标注无法满足人文研究需求,且古籍语法结构和语言特点特殊,现代文本标注技术很难直接用于古籍研究。在分析人文研究者进行古籍文本标注中面临的难点和痛点的基础上,提出普适性的古籍标注标准流程,给出基于MARKUS的文本标注模型,并通过具体实践,探索基于该模型的古籍文本标注方法,旨在助推借助数字人文工具改变古籍人文研究方式,拓宽研究规模的应用深度。

关键词：数字人文古籍文本标注 MARKUS