使用doccano标注NER数据详细教程

使用doccano标注NER数据详细教程

说明：

• 首次发表日期：2024-10-12
• 参考资料：
  • https://github.com/zjunlp/DeepKE/blob/main/README_TAG_CN.md
  • https://doccano.github.io/doccano/tutorial/
  • https://blog.csdn.net/GongYangXianShen/article/details/137270106 （转换为BIO格式）

部署doccano

https://github.com/doccano/doccano 有说明如何部署。比如使用Docker部署：

docker run --name doccano \
  -d --restart always \
  -e "ADMIN_USERNAME=admin" \
  -e "ADMIN_EMAIL=admin@example.com" \
  -e "ADMIN_PASSWORD=password" \
  -v doccano-db:/data \
  -p 8001:8000 doccano/doccano

创建用户

默认只有一个用户，我们需要打开ADMIN管理页面添加新的用户。

在主网址后加/admin/然后打开ADMIN管理页面（注意后边的斜杠是必须的），点击Add：

添加用户名和密码信息后，点击SAVE以保存：

如何进行NER标注

创建项目

默认的界面是英语的，不习惯英语的话，可以切换为中文：

然后点击登录，输入用户名和密码登录，登录之后：

点击创建，会跳转到以下页面：

点击以选择序列标注（Sequence Labeling），然后输入名称等必要信息，根据需要配置其他属性：

点击创建，跳转到以下页面：

导入数据集

单击左侧的数据集按钮：

移动鼠标到操作按钮：

点击导入数据集：

doccano支持多种格式的文本，它们的区别如下：

• Textfile：上传的文件为txt格式，打标时一整个txt文件显示为一页内容；
• Textline：上传的文件为txt格式，打标时txt文件的一行文字显示为一页内容；
• JSONL：JSON Lines的简写，每行是一个有效的JSON值；
• CoNLL： CoNLL格式的文件，每行均带有一系列制表符分隔的单词；

上传一个TXT文件：

点击导入后：

定义标签

点击左侧的标签，然后移动鼠标到操作菜单后点击创建标签：

创建3个常见的标签，PER, LOC, ORG，实际应用中需要根据需求确定有哪些标签。以下以创建PER标签为例：

创建完后：

添加成员

点击左侧的成员按钮，然后点击增加：

选择需要添加到项目的用户和角色，其中有3种角色（项目管理员 ，标注员，审查员）。选择好后保存：

保存后可以看到：

分配标注任务

首先，选中需要分配的数据：

然后，点击操作菜单下的Assign to member：

选择分配方案，然后点击右侧的Assign按钮

以上分配方案将15%的任务分配给admin用户，85%的任务分配给user1用户。

查看分配结果：

标注

点击左侧数据集，然后选择一条数据，点击最右边的标注按钮开始标注。

举例来说，点击右侧的PER标签，然后鼠标分别选择文本中的对应文字：

标注完成后，点击文本左上角的X按钮表示已标注完成：

导出数据

点击左侧数据集按钮，移动鼠标到操作菜单，点击导出数据集：

选择JSONL格式，勾选Export only approved documents（仅导出已审核过的数据），然后点击导出：