加载中…不错的标注工具BRAT
(2017-10-04 15:55:05) | 分类： 计算机技术 |
第一次听到BRAT，是在16年南昌听社会媒体大会时候，当时北理工冯冲在边上，闲聊时候提到这个标引工具，不过后来一直没用（因为做标引的机会也少），直到这两个星期，我打算做一个2000篇文档规模的实体关系标引专利数据集，显然用我自己的txt标记法可能性为0，因为不仅文档数量多，而且我要组织一个5人小团队一起搞，使用工具是唯一可行的办法。
1.安装
我电脑是MBP，而且前面已经有现成的python，所以安装起来还算轻松，直接从官网下载安装包
http://brat.nlplab.org
解压缩后进入安装文件夹目录下使用命令，./install.sh
就自动安装了
中间需要初始化管理员账户 密码 和联系邮箱
安装完以后 运行python
standalone.py，启动服务器，然后地址栏输入
http://127.0.0.1:8001，就可以直接登录BRAT了。
2.导入数据
导入数据也比较轻松，直接将包含txt数据集的文件夹放置到安装文件下一个data的目录下，然后使用命令：
find 文件夹名称 -name '*.txt'|sed -e 's|\.txt|.ann|g'|xargs touch，其意思是对每个txt文件都创建一个空的标引文件.ann，因为BRAT是要求的collection中，每个txt文件是必须有一个对应的.ann文件的，方便放置标引内容，这个ann文件的格式也挺规范，如下：
http://s13/mw690/001oZrbjzy7eKiaiggc7c&690
这里说明一下，对于每个实体而言，它这一行内容是这样的，T1->tab->实体类型->空格->起始位置->空格结束为止->tab->词汇；
3.标引
标引之前需要先进入安装目录的annotation.conf文件中，编辑标引规范，就是写明白都有哪些命名实体、哪些语义关系，格式如下
http://s10/mw690/001oZrbjzy7eKicg5hDd9&690
，
写完以后，就可以点击BRAT页面，用自己的账号登录，从页面上直接进入collection中，找到文件进行标引了。
命名实体标引直接用光标拖拽，关系标引用鼠标将一个实体指向另一个实体即可。
4.其他
还有一些高阶内容没看，比如多人协同标引；比较多个人对一个文章的标引，区分其中异同；引入第三方自动标引工具；将BRAT集成到其他平台上面，等等。
喜欢
0
赠金笔