利用doccano平台进行实体标注

一、基础配置

1.本地安装（请勿在AI Studio内部运行）

AI Studio是一款由百度推出的AI开发平台，AI Studio充分利用了百度在人工智能领域的技术积累和优势资源，提供了丰富的算法模型、数据集、工具和云计算资源，帮助开发者轻松实现各种AI应用场景，如图像识别、语音合成、自然语言处理等。

在命令行运行如下代码：
pip install doccano

2.初始化数据库和账户

在命令行运行如下代码：
doccano init
doccano createuser --username your_admin_name --password your_password

其中your_admin_name是用户自定义的账户名，your_password是用户自定义的账户密码。

3.启动doccano

（1）在一个窗口启动doccano的WebServer，并保持窗口。代码如下：
doccano webserver --port 8000
（2）在另一个窗口启动doccano的任务队列。代码如下：
doccano task

4.运行doccano来标注实体和关系

（1）打开浏览器，在地址栏中输入http://127.0.0.1:8000/后回车即得以下界面。

（2）登录账户，点击右上方的LOGIN，输入上述步骤中设置的用户名和密码登录。

（3）创建项目，点击左上角的CREATE，跳转至如下界面。

• 鼠标选择序列标注（Sequence Labeling）
• 填写项目名称（Project name）等必要信息
• 勾选允许实体重叠（Allow overlapping entity）、使用关系标注（Use relation labeling）
  

（4）开始标注

• 设置标签，在Labels一栏点击Actions，Create Label手动设置或者Import Labels从文件导入。

最上边Span表示实体标签，Relation表示关系标签，需要分别设置。下面以实体标签为例：

其中Label name表示标签名称，Key表示改标签的标识，Color表示该标签的颜色标注。Preview表示该标签的预展。
现设置了三个实体标签如下：

• 导入数据。在Datasets一栏点击Actions、Import Dataset从文件导入文本数据。

• 根据文件格式（File format）给出的示例，选择适合的格式导入自定义数据文件。
• 导入成功后即跳转至数据列表。下面以.txt文件为例：

下面说明导入成功：

• 标注数据。点击每条数据最右边的Annotate按钮开始标记。
  

• 标记页面右侧的 标签类型（Label Types） 开关可在实体标签和关系标签之间切换。
  

• 实体标注：直接用鼠标选取文本即可标注实体。
• 关系标注：首先点击待标注的关系标签，接着依次点击相应的头尾实体可完成关系标注。

这里以实体标注为例：

直接用鼠标选取文本即可标注实体。

标注后显示效果如下：

全部标注后效果如下：

• 导出数据。在Datasets一栏点击Actions、Export Dataset导出已标注的数据。
  

最后就可以得到一个.jsonl文件，里面就包含了标注好的数据。