Dix outils d'annotation de texte gratuits open source recommandés

Le travail d'annotation de texte est le travail d'étiquettes ou de marques correspondant à un contenu spécifique dans le texte. Son objectif principal est d’apporter des informations complémentaires au texte pour une analyse et un traitement plus approfondis, notamment dans le domaine de l’intelligence artificielle.

L'annotation de texte est cruciale pour les tâches d'apprentissage automatique supervisées dans les applications d'intelligence artificielle. Il est utilisé pour entraîner des modèles d'IA afin de mieux comprendre les informations textuelles en langage naturel et d'améliorer les performances de tâches telles que la classification de texte, l'analyse des sentiments et la traduction linguistique. Grâce à l'annotation de texte, nous pouvons apprendre aux modèles d'IA à reconnaître les entités dans le texte, à comprendre le contexte et à faire des prédictions précises lorsque de nouvelles données similaires apparaissent.

Cet article recommande principalement de meilleurs outils d'annotation de texte open source.

1.Label Studio

https://github.com/HumanSignal/label-studio

Label Studio est un outil d'annotation de données open source qui peut gérer plusieurs types de données et prend en charge l'exportation vers plusieurs formats de modèle. Il est largement utilisé pour préparer des données brutes ou améliorer les données de formation existantes afin d'améliorer la précision des modèles d'apprentissage automatique.

2.Doccano

https://github.com/doccano/doccano

Doccano est un outil d'annotation de texte open source qui fournit des fonctions de classification de texte, d'étiquetage de séquence et de tâches de séquence. Il prend en charge la collaboration en équipe d'annotation de texte, les applications mobiles multilingues, les emojis, les thèmes sombres et les API de style REST. Peut être installé à l’aide de Docker et Docker Compose.

3.Universal Data Tool

https://github.com/UniversalDataTool/universal-data-tool

Universal Data Tool est un outil permettant d'éditer et d'annoter divers types de données (y compris des images, texte, audio et documents). Il prend en charge un large éventail de types de données et offre une collaboration en temps réel, une interface graphique facile à utiliser, la création de cours de formation pour les annotateurs de texte, et bien plus encore. L'outil est disponible sur le Web ou sous forme d'application de bureau et prend en charge le téléchargement et le téléchargement de données au format CSV ou JSON.

4.YEDDA

https://github.com/jiesutd/YEDDA

YEDDA est un outil d'annotation de texte qui peut être utilisé dans différentes langues, symboles et émoticônes. Il prend en charge l'utilisation de raccourcis, la commande du modèle et l'exportation du texte d'annotation sous forme de texte de séquence. Prend en charge des fonctions telles que les recommandations intelligentes et l'analyse de l'administrateur.

YEDDA est compatible avec tous les principaux systèmes d'exploitation, notamment Windows, Linux et MacOS.

5.Argilla

https://github.com/argilla-io/argilla

Argilla est une plate-forme de collaboration de données open source pour les ingénieurs en intelligence artificielle et les experts du domaine, fournissant une sortie de données efficace et de haute qualité.

Il aide à contrôler la qualité des données et à améliorer la qualité de la sortie de l'IA, et améliore l'efficacité en permettant une itération rapide des données et des modèles. Argilla fournit également des outils de gestion des données et de formation de modèles.

6.KernAI Refinery

https://github.com/code-kern-ai/refinery

Refinery est une plateforme open source de KernAI conçue pour les data scientists qui traitent des données en langage naturel. Il fournit des fonctions telles que l'annotation semi-automatique des données, l'évaluation de la qualité des sous-ensembles de données et la surveillance centralisée des données, visant à améliorer l'efficacité de l'étiquetage manuel.

L'outil exploite des technologies telles que Hugging Face et spaCy pour créer des modèles de langage prédéfinis et s'intègre à d'autres outils d'étiquetage pour un traitement flexible des données.

Caractéristiques :

• Flux de travail d'étiquetage (semi-)automatisé pour les tâches PNL
• Classification manuelle et programmatique et étiquetage des étendues
• Prend en charge l'intégration avec des bibliothèques et des frameworks de pointe
• Créer et gérer des tables de recherche/bases de connaissances
• Recherche neuronale similarité basée sur l'enregistrement et la récupération des valeurs aberrantes
• Sessions de marquage découpées
• Plusieurs tâches de marquage par projet
• Riche bibliothèque d'automatisation
• Gestion et surveillance étendues des données
• Intégré à Hugging Face pour la création automatique d'intégrations
• Basé sur un modèle de données pour JSON pour le téléchargement/le téléchargement des données
• Aperçu des métriques du projet
• Accès et extension des données via le SDK Python
• Modifications des propriétés sur site
• Collaboration en équipe dans la version hébergée
• Accès basé sur les rôles pour plusieurs utilisateurs et vue réduite des balises
• Groupe intégré workflow de marquage
• Calcule automatiquement le consensus entre les annotateurs

7.Recogito.js

https://github.com/recogito/recogito-js

ApplitoJS est une bibliothèque JavaScript pour l'annotation de texte, utilisée pour ajouter une fonctionnalité d'annotation de texte aux pages Web ou créer des programmes d'annotation de texte personnalisés. Il peut être installé via npm ou en téléchargeant la dernière version.

8. Label Sleuth

https://github.com/label-sleuth/label-sleuth

Label Sleuth est un système open source sans code pour l'étiquetage et la classification de texte. Il permet aux experts de domaines tels que les médecins, les avocats et les psychologues de créer des modèles PNL personnalisés sans la coopération d'experts en PNL.

Habituellement, la création de modèles NLP nécessite une expertise en matière de domaine et d'apprentissage automatique. Label Sleuth contourne l'exigence d'une expertise en PNL grâce à l'annotation de texte intuitive et à la création de modèles d'IA. Pendant que les utilisateurs étiquetent les données, les modèles d'apprentissage automatique sont entraînés en arrière-plan, effectuant des prédictions et suggérant quoi étiqueter ensuite.

En tant que système sans code, il ne nécessite aucune connaissance en apprentissage automatique et permet un développement rapide de modèles, de la définition des tâches au modèle terminé en quelques heures seulement.

9.Markup

https://github.com/samueldobbie/markup

Markup est un outil d'annotation en ligne qui peut être utilisé pour convertir des documents non structurés en documents structurés pour les tâches NLP et ML Format, par exemple : reconnaissance d'entité. Apprentissage simultané au fur et à mesure que vous annotez pour prédire et recommander des annotations plus complexes, et fournit également un accès intégré à des ontologies communes et personnalisées pour la cartographie conceptuelle.

Caractéristiques :

• Annotation prédictive : la fonction d'annotation prédictive basée sur l'apprentissage automatique de Markup peut recommander des annotations plus complexes au fur et à mesure que vous travaillez, rendant le processus d'annotation plus efficace.
• Balises d'accès aux ontologies intégrées : fournit un accès intégré à un large éventail d'ontologies courantes (par exemple UMLS, SNOMED-CT, ICD-10), ainsi que la possibilité de télécharger des ontologies personnalisées pour la cartographie conceptuelle.
• Mappage d'ontologie prédictif : la fonctionnalité de mappage d'ontologie prédictif de Markup utilise l'apprentissage automatique pour recommander des mappages appropriés aux termes standard et personnalisés en fonction du texte que vous annotez.
• Interface conviviale : que vous soyez un expert technique ou un débutant, l'interface conviviale de Markup permet à quiconque de commencer facilement à annoter des documents avec une configuration minimale.

10.Potato

https://github.com/davidjurgens/potato

Potato est un outil d'annotation de texte basé sur le Web qui prend en charge la configuration et le déploiement rapides de diverses annotations de texte. Tâche. Peut fonctionner en tant que serveur Web, piloté par un seul fichier de configuration, ne nécessitant aucun codage de démarrage. Mais Potato est facile à personnaliser et ne nécessite généralement pas de conception Web supplémentaire pour ajuster l'interface utilisateur des annotateurs de texte.

Caractéristiques principales :

• Facile à configurer et à personnaliser
• Modèles et modèles intégrés étendus
• Prend en charge plusieurs types de données
• Prend en charge la configuration multitâche
• Avec des fonctionnalités telles que les raccourcis clavier, la mise en évidence dynamique et les info-bulles d'étiquettes Améliorer efficacité de l'annotation
• Mieux comprendre les capacités de l'annotateur, telles que les questions de pré- et post-filtrage
• Fonctionnalités de contrôle qualité, telles que les tests d'attention, les tests de qualification et les contrôles de temps intégrés

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!