Doccano
doccano 是一个面向人类的开源文本注释工具。它为文本分类、序列标记和序列到序列任务提供注释功能。您可以创建用于情感分析、命名实体识别、文本摘要等的标记数据。只需创建一个项目，上传数据，然后开始注释。您可以在数小时内构建数据集。
支持命名实体识别，情感分类，机器翻译任务，界面比较友好。
- 当前公司私有化部署的地址：(当前挂掉了,后端处理中)
- git：https://github.com/doccano/doccano
技术方案
前端：vue2 + nuxt
后端：python
技术难点
- 标注工具编辑器部分组件
功能：
- 支持标注 Label
- 支持关系 Relation
开源组件：
-
vue 组件：
-
-
https://github.com/doccano/v-annotator/blob/master/package.json
-
<v-annotator
:dark="$vuetify.theme.dark"
:rtl="rtl"
:text="text" //文本内容
:entities="entities" // 注解内容
:entity-labels="entityLabels" // 注解标签
:relations="relations"// 关系内容
:relation-labels="relationLabels" // 关系标签
:allow-overlapping="allowOverlapping"
:grapheme-mode="graphemeMode"
:selected-entities="selectedEntities"
@add:entity="handleAddEvent" // 添加注解内容
@click:entity="onEntityClicked" // 点击注解
@click:relation="onRelationClicked" // 点击关系
@addRelation="addRelation" // 添加 关系
@contextmenu:entity="deleteEntity" // 右键菜单点击
@contextmenu:relation="deleteRelation" // 右键菜单点击
/><entity-editor
:dark="$vuetify.theme.dark"
:rtl="rtl"
:text="currentDoc.text"
:entities="currentDoc.annotations"
:entity-labels="entityLabels"
:relations="relations"
:relation-labels="relationLabels"
:allow-overlapping="allowOverlapping"
@addEntity="addEntity"
@click:entity="updateEntity"
@contextmenu:entity="deleteEntity"
@contextmenu:relation="deleteRelation"
/>
-
react 组件
https://github.com/microsoft/react-text-annotator
当前看 v-annotator 是 doccanno 封装的一个组件，react 这个组件要分析一下是不是支持当前的特性
代码如下：
import {AnnotationData, Labeler} from 'react-text-annotator'
const HomePage: React.FC = () => {
const annotations: AnnotationData[] = [
{
id: 'id1',
color: 'red',
endToken: 5,
startToken: 0,
name: 'label111111',
kind: 'label',
onClick:(e) => {
console.log(e);
},
level: 1,// 设置层级
onRenderTooltip: (e) =><>label111111</>
},{
id: 'id1',
color: 'green',
endToken: 5,
startToken: 1,
name: 'label222222',
kind: 'label',
onRenderTooltip: (e) =><>label222222</>
},
{
id: 'id2',
color: 'blue',
endToken: 25,
startToken: 10,
name: 'relation',
kind: 'relation',
}
];
const labelerText = 'This is sample text to test the labeler functionality.';
return <>
<Labeler text={labelerText} annotations={annotations} labelerConfigs={{ isAnnotationResizingEnabled: true,isRtl: false, tokenizationType: 'character' }}
labelerOverflow={'scroll'}
labelerHeight={"100px"}
/>
</>;
};
export default HomePage;
下面的了解即可
YEDDA：(2016)(python)
优点是安装方便，程序很小，标注方便，如果要实现给同一个实体加多个标签，也可以实现。最大标签数8，界面也还过的去。
YEDDA(以前的 SUTDAnnotator)是为在文本(几乎所有语言，包括英语、中文)、符号甚至表情符号上注释块/实体/事件而开发的。它支持快捷注释，对于手动注释文本非常有效。用户只需选择文本范围并按快捷键，该范围就会自动注释。它还支持命令注释模型，可以批量注释多个实体，并支持将注释文本导出为序列文本。此外，更新版本还增加了智能推荐和管理员分析。它兼容所有主流操作系统，包括Windows、Linux和MacOS。
https://github.com/jiesutd/YEDDA
python
Prodigy(2017)：
Prodigy 是一种现代注释工具， 用于为机器学习模型创建训练和评估数据。您还可以使用 Prodigy 来帮助您检查和清理数据、进行错误分析以及开发基于规则的系统以与统计模型结合使用。
Python library
Chinese-Annotator：(2017)
基于prodigy的中文标注工具
https://github.com/deepwel/Chinese-Annotator
demo:https://demo.prodi.gy/?=null&view_id=textcat
技术方案：
- vue2 element
- Python
Brat：(2010)
支持实体、关系、事件抽取的标注。可以标注情感。
优点在标注实体的同时可以进行关系标注，还可以实现二级标注。
GitHub - nlplab/brat: brat rapid annotation tool (brat) - for all your textual annotation needs
技术方案
- jq
- Python
IEPY
主要用来信息抽取和关系抽取任务
https://github.com/machinalis/iepy
DeepDive
主要用来关系抽取任务，17就停止更新了
http://deepdive.stanford.edu/#documentation
个人小结
大致可以选用Brat，Doccano，YEDDA，Prodigy试一下，选用Brat是因为有现成的中文情感标注，还有Brat有关系标注，选用Doccano是它的页面很友好，而且可添加的标签数也比较多，选用YEDDA是它完全用Python桌面开发且支持中文，选用Prodigy是因为支持标注的功能最全。
中文分词工具(分词工具有的也可以做 命名实体识别和词性标注，可以去看看)
中科院计算所NLPIR http://ictclas.nlpir.org/nlpir/
ansj分词器 https://github.com/NLPchina/ansj_seg
哈工大的LTP https://github.com/HIT-SCIR/ltp
清华大学THULAC https://github.com/thunlp/THULAC
斯坦福分词器 https://nlp.stanford.edu/software/segmenter.shtml
Hanlp分词器 https://github.com/hankcs/HanLP
结巴分词 https://github.com/yanyiwu/cppjieba
KCWS分词器(字嵌入+Bi-LSTM+CRF) https://github.com/koth/kcws
ZPar https://github.com/frcchang/zpar/releases
IKAnalyzer https://github.com/wks/ik-analy