Annotaatiomalli

Annotaatiomalli on järjestelmä tai suunnitelma, jonka mukaan dataa merkitään annotaatioilla. Se määrittelee, mitä ilmiöitä merkitään, mitkä ovat mahdolliset merkinnät ja miten ne esitetään tallennusmuodoissa. Mallin tavoitteena on tuottaa laadukasta, yhteisesti sovitettua aineistoa, jonka avulla analyysit ovat vertailukelpoisia.

Keskeisiä komponentteja ovat annotaatiokaavio (schema), joka määrittelee luokat tai kategoriat sekä niiden väliset säännöt; ontologia tai luokitus, joka kuvaa käsitteiden välisiä suhteita; sekä ohjeistus annotaattoreille ja laadunvarmistusmenettelyt. Lisäksi hallitaan tallennusmuotoja, metatietoja ja versionhallintaa, jotta data pysyy jäljitettävänä ja uusien versioiden yhteensopivuus säilyy.

Annotaatiomallit kattavat useita merkitsemistapoja: token- tai sanapainotteinen merkitseminen tekstissä, laajuus- tai span-merkinnät sekä kuvia tai videoita koskevat rajojen tai polygonien merkinnät. Yleisiä tyyppejä ovat yhden etikettin (single-label) ja monen etiketin (multi-label) annotaatiot sekä suhteiden ja tapahtumien merkitseminen.

Käytännössä malli toteutetaan ohjeistuksen ja työkalujen avulla sekä tiedonvaihtoformaatteineen (esim. JSON, XML). Mallin valinta riippuu projektin tavoitteista, datatyypistä ja halutusta analyysitarkkuudesta. Haasteina ovat tulkinnan variaatio, annotaattorien välinen ristiriita ja kustannukset.