使用 Language Studio 標記您的資料

發行項
12/19/2023

資料標記是開發生命週期中的重要步驟。在此步驟中，您會使用您在架構中定義的新實體來標記檔，以填入其學習的元件。此資料會在定型模型時用於下一個步驟，以便讓模型從標記的資料中學習，以瞭解要擷取的實體。如果您已經加上標籤資料，您可以直接將它匯入專案中，但您必須確定您的資料遵循接受的資料格式。若要深入了解如何將已標記的資料匯入專案中，請參閱建立專案。如果您的資料尚未標記，您可以在 Language Studio 中標記資料。

先決條件

您需要下列項目才能標記資料：

使用已設定 Azure Blob 儲存體帳戶成功建立的專案
已上傳至儲存體帳戶的文字資料。

如需詳細資訊，請參閱專案開發生命週期。

資料標記指導方針

在準備資料、設計結構描述並建立專案之後，您必須標記資料。標記資料是很重要的，如此您的模型才知道哪些字詞會與您需要擷取的實體類型相關聯。當您在 Language Studio 中標示資料 (或匯入標示的資料) 時，這些標籤會儲存在您已連線至此專案的儲存體容器中的 JSON 檔中。

當您在標記資料時，請記住：

您無法在預先定型預先建置的實體時，為健康情況實體新增文字分析標籤。您只能將標籤新增至您在架構定義期間定義的新實體類別。

如果您想要改善預先建置實體的召回率，您可以在定義架構時新增清單元件來擴充它。

一般而言，在資料被正確標記的情況下，被標記的資料越多將能導致越好的結果。
標記資料的精確度、一致性和完整性是判斷模型效能的關鍵因素。
- 精確標記：一律將每個實體標記為其正確的類型。只包含您想要擷取的內容，避免標籤中出現非必要的資料。
- 一致標示：相同的實體在所有文件中都應該有相同的標籤。
- 完整標示：標示所有文件中實體的所有執行個體。
注意

沒有固定數目的標籤可保證您的模型會執行最佳效能。模型效能取決於結構描述中可能存在的模糊性，以及已標記資料的品質。不過，我們建議每個實體類型約有 50 個已標記的執行個體。

標記您的資料

依照下列步驟標記您的資料：

移至您在 Language Studio 中的專案頁面。
在左側功能表中，選取 [資料標記]。您可以在儲存體容器中找到所有文件的清單。

提示

您可以使用頂端功能表中的篩選來檢視未標示的文件，以開始標示這些資料。您也可以使用篩選來檢視以特定實體類型標記的文件。
從頂端功能表中的左側，變更為單一文件檢視，或選取要開始標示的特定文件。您可以在左側找到您專案中所有可用的 .txt 文件清單。您可以使用頁面底部的 [上一頁] 和 [下一頁] 按鈕來瀏覽文件。

注意

如果您為專案啟用了多種語言，您會在頂端功能表中找到 [語言] 下拉式清單，讓您可選取每個文件的語言。多語系專案不支援希伯來文。
在右側窗格中，您可以使用 [ 新增實體類型 ] 按鈕，將其他實體新增至您在架構定義期間遺漏的專案。

有兩個選項可用來標記文件：

選項	描述
使用筆刷標記	選取右窗格中的實體類型旁的筆刷圖示，然後醒目提示文件中要以此實體類型標註的文字。
使用功能表標記	醒目提示您要標記為實體的字詞，隨即出現一個功能表。選取您要為此實體指派的實體類型。

下列螢幕擷取畫面顯示使用筆刷的標記。

在 [標籤] 樞紐下的右側窗格中，您可以找到專案中的所有實體類型，以及每個類別的已標記執行個體計數。預先建置的實體將會顯示為參考，但您無法在預先定型時標記這些預先建置的實體。
在右側窗格的底部區段中，您可以將您正在檢視的目前文件新增至定型集或測試集。根據預設，所有文件都會新增至您的定型集。如需如何用於模型定型和評估的資訊，請參閱定型和測試集。

提示

如果您打算使用自動資料分割，請使用將所有文件指派到定型集的預設選項。
在 [分佈] 樞紐下，您可以檢視定型和測試集之間的分佈。您有兩個檢視選項：
- 執行個體總計，您可以在其中檢視特定實體類型的所有已標示執行個體計數。
- 如果檔包含至少一個標籤的實例，則會計算每個檔的標籤。
當您加上標籤時，如果您的變更尚未儲存，則會定期同步處理您的變更，您會在頁面頂端找到警告。如果您想要手動儲存，請選取頁面底部的 [ 儲存標籤 ] 按鈕。

移除標籤

選取您要從中移除標籤的實體。
捲動出現的功能表，然後選取 [移除標籤]。

刪除實體

您無法刪除健康狀態預先定型實體的任何文字分析，因為它們具有預先建置的元件。您只能刪除新定義的實體類別。若要刪除實體，請選取要移除之實體旁的刪除圖示。刪除實體會從資料集中移除其所有標示的實例。

後續步驟

在標記資料完成後，您就可以開始定型模型，其將會根據您的資料學習。

共用方式為