구조화된 항목 속성으로 어노테이션할 텍스트의 의도, 주제, 범주를 지정하세요.
항목 분류와 함께 추가 추출 맥락을 제공하는 단어와 개체를 라벨링하세요.
텍스트 분류는 언어 예제에 정의된 범주를 부여합니다. 작업에 따라 범주는 의도, 주제, 감성 또는 다른 비즈니스 개념을 설명할 수 있습니다.
네. 자체 범주와 예제를 정의한 다음 어노테이션 팀 전체가 동일한 온톨로지 선택지를 사용하도록 하세요.
네. 지침에서 여러 라벨을 허용하는 경우 온톨로지에 별도 속성과 다중 선택 항목을 포함할 수 있습니다.
필요에 따라 불확실 또는 기타 범주를 정의하세요. 명확하지 않은 사례에 댓글을 달고 검토 단계로 보내 일관된 판단을 내립니다.
네. 별도 속성을 사용해 사용자의 요청과 표현된 감성을 학습 데이터의 서로 다른 차원으로 유지하세요.
이 워크플로는 자체 라우팅 및 분류 모델의 학습이나 평가에 사용할 라벨링된 예제를 만듭니다. 라벨은 팀이 정의하고 검토합니다.
기본 언어 어노테이션에는 일반 텍스트 파일을 사용합니다. 팀이 라벨링할 텍스트와 작업에 맞춰 개체 클래스, 관계, 항목 속성을 정의하세요.
어노테이션된 텍스트를 검토 단계로 보내 맥락 안에서 댓글과 수정 사항을 해결합니다. 데이터셋을 릴리스하기 전에 구성된 합의 평가나 승인된 기준 데이터로 일관성을 확인합니다.
네. 텍스트는 JSONL과 Unitlab 통합 내보내기 형식을 지원합니다. 학습 파이프라인에 필요한 개체, 관계, 속성을 보존하는 내보내기 형식을 선택하세요.
