3.基于Label studio的训练数据标注指南：文本分类任务

Posted 2023-03-03

文本分类任务Label Studio使用指南

目录

• 1. 安装
• 2. 文本分类任务标注
  • 2.1 项目创建
  • 2.2 数据上传
  • 2.3 标签构建
  • 2.4 任务标注
  • 2.5 数据导出
  • 2.6 数据转换
  • [2.7 更多配置](#27

1. 安装

以下标注示例用到的环境配置：

• Python 3.8+
• label-studio == 1.7.1

在终端(terminal)使用pip安装label-studio：

pip install label-studio==1.7.1

安装完成后，运行以下命令行：

label-studio start

在浏览器打开http://localhost:8080/，输入用户名和密码登录，开始使用label-studio进行标注。

2. 文本分类任务标注

2.1 项目创建

点击创建（Create）开始创建一个新的项目，填写项目名称、描述，然后在Labeling Setup中选择Text Classification。

• 填写项目名称、描述

• 数据上传，从本地上传txt格式文件，选择List of tasks，然后选择导入本项目

• 设置任务，添加标签

2.2 数据上传

项目创建后，可在Project/文本分类任务中点击Import继续导入数据，同样从本地上传txt格式文件，选择List of tasks，详见项目创建 。

2.3 标签构建

项目创建后，可在Setting/Labeling Interface中继续配置标签，详见项目创建

2.4 任务标注

2.5 数据导出

勾选已标注文本ID，选择导出的文件类型为JSON，导出数据：

2.6 数据转换

将导出的文件重命名为label_studio.json后，放入./data目录下。通过label_studio.py脚本可转为UTC的数据格式。

在数据转换阶段，还需要提供标签候选信息，放在./data/label.txt文件中，每个标签占一行。例如在医疗意图分类中，标签候选为["病情诊断", "治疗方案", "病因分析", "指标解读", "就医建议", "疾病表述", "后果表述", "注意事项", "功效作用", "医疗费用", "其他"]，也可通过options参数直接进行配置。

python label_studio.py \\
    --label_studio_file ./data/label_studio.json \\
    --save_dir ./data \\
    --splits 0.8 0.1 0.1 \\
    --options ./data/label.txt

2.7 更多配置

• label_studio_file: 从label studio导出的数据标注文件。
• save_dir: 训练数据的保存目录，默认存储在data目录下。
• splits: 划分数据集时训练集、验证集所占的比例。默认为[0.8, 0.1, 0.1]表示按照8:1:1的比例将数据划分为训练集、验证集和测试集。
• options: 指定分类任务的类别标签。若输入类型为文件，则文件中每行一个标签。
• is_shuffle: 是否对数据集进行随机打散，默认为True。
• seed: 随机种子，默认为1000.

备注：

• 默认情况下 label_studio.py 脚本会按照比例将数据划分为 train/dev/test 数据集
• 每次执行 label_studio.py 脚本，将会覆盖已有的同名数据文件
• 对于从label_studio导出的文件，默认文件中的每条数据都是经过人工正确标注的。

References

• Label Studio
• 参考链接