文本范围标注
直接在渲染后的 HTML 页面上选择产品名称、职位、价格及其他可见文本。每个标签均定位到准确的文字，并保留周围上下文。
精确选择文本行内标签原始网页上下文
HTML 标注功能
覆盖 HTML 标注的完整工作流
在渲染后的网页中精确标注文本范围、建立上下文关系，并通过可复用本体和可追溯的人工审核保证一致性。
保留上下文的 HTML 查看器
标注时持续显示标题、表格、图片及相邻文本。通过固定宽度、适应窗口和响应式视图，清晰查看每个已保存的网页。
实体关系
连接同一页面中的已标注实体，例如产品与品牌、职位与雇主，明确表达信息提取模型所需的关系。
高级本体管理
定义可复用的实体类别、嵌套属性、页面级字段与允许的关系，让团队在不同 HTML 数据集中遵循一致的标注规则。
共识对比
比较不同标注员对同一 HTML 页面的标注，检查突出显示的差异，并依据统一指南解决分歧。
结合上下文审核与返工
定位到原文的审核与评论
在需要关注的文本旁留下反馈。审核员可查看原始页面、要求修改，并将质量决策与对应标注关联保存。
原文定位评论决策可追溯
AI 团队为何选择 Unitlab 进行 HTML 标注
在统一平台中标注 HTML 页面、审核疑难案例，并维护可复用的训练数据集。
15X
加快 HTML 标注
60%
释放 AI 工程师时间
5X
降低 AI 开发成本
支持的 HTML 标注类型
为渲染后的 HTML 页面
添加结构化标签。
保持原始页面可见，标注模型所需的文字、关系与上下文字段。
01
文本范围
将精确的词语或段落标注为姓名、价格、标题、日期、描述及任务定义的其他实体。
02
实体关系
连接已标注的文本实体，表达产品与品牌、职位与雇主等关系。
03
类别属性
为已标注实体添加结构化属性，包括类别、状态和本体要求的其他信息。
04
条目属性
通过内容类型、主题、语言、相关性或审核状态等字段，对整个 HTML 页面进行分类。
HTML 数据集整理与标注工作流
整理 HTML 页面，连接标注工作流。
组织已保存的网页、筛选相关样本，并将标注经过审核后纳入版本化的训练数据发布。
HTML 数据库
将上传的 HTML 快照汇入共享数据空间，同时保留网页预览和源元数据。随着数据集增长，持续有序管理源页面。
搜索与筛选页面
按名称、标签、文件夹和元数据查找已保存的网页，从源数据集合中筛选当前标注任务所需的样本。
精选数据集合
按来源、类别或任务组织选定页面，在交付标注团队前准备一致的样本集合。
标注与审核工作流
分配 HTML 页面、应用统一指南，并让任务经过标注、审核和返工。审核员与标注员始终围绕同一源内容协作。
标注发布与导出
使用数据集版本追踪源页面。审核后创建项目标注发布以固定标签，再连同源上下文导出，让每次训练数据交付均可追溯。
解决方案
面向网页数据提取的 HTML 标注方案
为产品信息、招聘信息和有价值的网页内容构建经审核的训练数据，让标签始终对应其所在页面。
什么是 HTML 标注？
+
HTML 标注通过标记已保存网页中的信息，构建训练和评估数据。在 Unitlab 中，标注员直接在渲染后的页面上选择可见文本、连接实体并添加结构化属性，同时保留周围版式。
HTML 标注指南可以标注 HTML 页面中的哪些内容？
+
可以标注产品名称、职位、价格、地点、作者、日期和文章段落等可见文本范围。实体关系连接已标注文本，类别属性描述各个实体，条目属性则对整个页面进行分类。
HTML 标注指南HTML 标注会保留原始页面版式吗？
+
会。Unitlab 显示上传的 HTML 快照，让标注员结合标题、表格、图片和相邻内容理解文本。固定宽度、适应窗口与响应式视图可帮助团队以合适的尺寸检查同一份已保存源页面。
HTML 标注指南标注前可以组织和筛选 HTML 页面吗？
可以。使用数据库、文件夹、标签、元数据和筛选条件组织已上传的 HTML 页面，并选择任务所需的样本。精选集合与数据集版本可让选定的源数据在标注和审核过程中保持可追溯。
数据筛选指南如何导出 HTML 标注用于模型训练？
通过数据集版本追踪选定的源页面。审核完成后，创建项目标注发布以固定标签，再导出 JSONL 或 Unitlab 原生 UUEF 格式。HTML 导出会保留已标注文本、实体属性、关系、快照标识与文本锚点。
导出文档
