精确选择组成实体的字符并指定类别，同时保留原始文本上下文。
使用本体中定义的选项，添加实体子类型或标注确定性等结构化属性。
NER 标注用于标记文本中的命名实体或领域实体，让模型学习哪些字符指代人物、组织、地点、产品或其他已定义概念。
可以。为任务相关实体创建类别，包括专业产品、科学或商业术语，并通过属性记录更多上下文。
标注人员选择具体的文本片段，而不只是标记整句。选中的字符和实体类别会随标注一同保存。
是的。本体和指南定义了上下文如何决定类别。实体提及存在歧义时，审核人员可以查看周围句子。
可以。支持的实体关系可连接文本中已标注的实体提及，为实体识别数据集补充信息提取任务所需的关联。
在标注指南中定义示例，在审核期间讨论困难案例，并在创建发布版本前对整个数据集应用相同的边界规则。
原生语言标注使用纯文本文件。围绕团队需要标注的文本和任务，定义实体类别、关系及数据项属性。
将已标注文本送入审核，结合上下文处理评论和修正，并在发布数据集前使用已配置的共识机制或已批准的基准检查一致性。
可以。文本支持 JSONL 和 Unitlab 统一导出格式。选择能够保留训练流水线所需实体、关系和属性的导出格式。
