关于人工智能:4基于Label-studio的训练数据标注指南情感分析任务观点词抽取属性抽取

情感剖析工作Label Studio使用指南

1.基于Label studio的训练数据标注指南：信息抽取（实体关系抽取）、文本分类等

2.基于Label studio的训练数据标注指南：（智能文档）文档抽取工作、PDF、表格、图片抽取标注等

3.基于Label studio的训练数据标注指南：文本分类工作

4.基于Label studio的训练数据标注指南：情感剖析工作观点词抽取、属性抽取

本内容在以下环境进行测试装置：

在终端(terminal)应用pip装置label-studio：

pip install label-studio==1.6.0

装置实现后，运行以下命令行：

label-studio start

在浏览器关上http://localhost:8080/，输出用户名和明码登录，开始应用label-studio进行标注。

创立我的项目之前，须要先确定标注的工作类型以及须要标注哪些内容，而后点击创立（Create）开始创立一个新的我的项目，填写项目名称、形容。

如果数据曾经筹备好，能够在此进行导入数据。

接下来，依据须要标注的工作类型，抉择适宜的工作。在本我的项目中，默认会蕴含两种类型的工作：语句级情感分类工作和属性级情感剖析工作。因为这两者都属于自然语言解决（NLP）工作，因而能够点击 Natural Language Processing 选项，在该选项上面进行抉择相应的子项工作。

最初点击保留即可。

这里对应的工作类型为Text Classification，在标注之前，须要设定正向和负向的标签，而后保留即可。

设定好标签后，即可开始进行标注，抉择正向或负向，最初点击提交，便标注好一条数据。

在本我的项目中，属性级的情感剖析须要配置的标注工作类型为Relation Extraction，包含属性抽取、观点抽取、属性-观点抽取、属性-情感极性抽取、属性-情感极性-观点词三元组抽取等工作。其中属性-情感极-观点词(A-S-O)三元组抽取是最常见的工作之一，上面优先解说该工作的标注规定。

属性-情感极性-观点词(A-S-O)三元组抽取标注内容波及两类标签：Span 类型标签和 Relation 类型标签。其中Span标签用于定位文本批评中属性、观点词和情感极性三类信息，Relation类型标签用于设置评估维度和观点词、情感偏向之间的关系。

这里须要定位属性、情感极性、观点词三类信息，在标注时，须要将属性和情感极性进行组合，造成复合标签。具体来讲，设定评估维度##正向用于定位情感偏向为正向的属性，评估维度##负向用于定位情感偏向为负向的属性。另外，利用标注标签观点词定位语句中的观点词。

这里只波及到1中Relation类型标签，即评估维度到观点词的映射关系。这里能够设置一下两者关系的名称，即点击Code，而后配置关系名称（这里将两者关系设置为观点词），最初点击保留即可。

在设置好Span类型和Relation标签之后，便能够开始进行标注数据了。

如3.2.1所述，本我的项目中针对属性-情感极性(A-S)抽取工作，采纳Span的模式进行标注。设定评估维度##正向用于定位情感偏向为正向的属性，评估维度##负向用于定位情感偏向为负向的属性。下图展现了对于属性-情感极性抽取工作的标注示例。

针对属性-观点词(A-O)抽取工作，采纳Relation的模式进行标注。这须要将属性对应标注标签设定为评估维度，观点词设定为观点词。下图展现了对于属性-观点词抽取工作的标注示例。

针对属性(A)抽取工作，采纳Span的模式进行标注。这须要将属性对应的标注标签设定为评估维度。下图展现了对于属性抽取工作的标注示例。

针对观点词(O)抽取工作，采纳Span的模式进行标注。这须要将观点词对应的标注标签设定为观点词。下图展现了对于观点词抽取工作的标注示例。

勾选已标注文本ID，点击Export按钮，抉择导出的文件类型为JSON，导出数据：