Annoteringen

Annoteringen är handlingen att lägga till kommentarer, förklaringar eller metadata till text, bild eller annan data. Syftet är att göra materialet mer begripligt, ge kontext eller förbereda det för sökning, analys eller maskininlärning. En annotering kan vara informativ (fotnoter), strukturell (märka delar av en bild) eller semantisk (klassificera eller märka relationer).

Vanliga typer inkluderar textannotering, lingvistisk annotation (delar av tal, syntaktisk eller semantisk taggning), bild- och videoannotering (objekt, bounding boxes), samt datalabelning i maskininlärning (klassificering, segmentering, named entity recognition).

Processen kräver tydliga riktlinjer, ofta flera annotatörer och ett kodschema. Kvalitet bedöms med överenskommelse mellan annotatörer (interannotator agreement). I praktiken används både manuellt och automatiskt stöd, där maskinlärningsmodeller föreslår annoteringar som granskas av människor.

Användningsområden inkluderar forskning inom humaniora och språkvetenskap, skapande av korpusar, digital humaniora och förberedelse av träningsdata för ML eller datorseende. Vanliga verktyg är open-sourceplattformar som ELAN, BRAT och INCEpTION samt generella annoteringsverktyg i ML-ramverk. Utmaningar inkluderar subjektivitet, bias, behov av tydliga riktlinjer och hantering av integritets- och dataskyddsaspekter.