inception-project/inception

解决的问题

简化高质量标注文本语料库的创建。解决为机器学习训练数据手动标注大量文本的困难，解决需要将标注锚定在特定本体中的需求，以及需要在多个标注者之间保持一致性的需求。

工作原理

该平台允许用户在浏览器中直接定义自定义标注方案和层级（如实体、关系、共指等）。它与知识库（RDF、OWL、SPARQL端点）集成，将实体链接到现有本体。为加速流程，它使用机器辅助推荐器，实时学习用户当前的标注，并通过主动学习优先建议不确定的案例。

适用人群

专为研究人员和机构设计，用于构建自然语言处理（NLP）用的文本数据集，特别是需要基于正式知识库的复杂多层标注的用户。

特色亮点

• 知识库集成：支持通过RDF或SPARQL链接Wikidata、SNOMED CT及其他本体。
• 机器辅助标注：推荐器实时学习，并使用主动学习优先处理不确定案例。
• 多层支持：支持语法、框架和文档标签的重叠层级。
• 质量控制：包含测量标注者间一致性的工具，并支持黄金标准的整理。
• 灵活部署：提供桌面安装程序或支持单点登录的服务器部署。
• 可扩展性：提供REST API，并支持通过自定义模型接入外部推荐器。