Merkintämallit

Merkintämallit ovat malleja, jotka ohjaavat tai kuvaavat, miten merkinnät kohteisiin annetaan, tallennetaan ja tulkitaan. Ne määrittelevät sekä merkinnän sisällön että prosessin, jolla merkintä luodaan, validoidaan ja ylläpidetään. Merkintämallit voivat liittyä tekstiin, kuviin, ääneen tai muihin tiedon muodollisiin ilmentymiin ja niitä sovelletaan sekä ihmis- että koneenkäyttöisiin järjestelmiin.

Tyypillisesti merkintämallit voidaan jaotella sääntöihin perustuvien, tilastollisesti tai koneoppimiseen perustuvien sekä näiden yhdistelmien mukaan. Ne voivat olla domain-spesifejä, kuten lingvistiikassa käytettävät annotaatio- tai taggausmallit, tai yleisluonteisia, kuten metadata- ja merkintäformaatit. Merkintämallit voivat olla tarkkoja muodostamaan yhdenmukaisen sanaston ja luokituskannan, tai joustavia ja oppivia, jolloin malli paranee havainnoinnin ja toistokäytön kautta.

Sovelluskohteita ovat muun muassa tekstin annotointi ja kielitiede, digitaalinen humanistinen tutkimus, kuvien ja videon merkitseminen, puhe- ja signaalitiedon luokittelu sekä metadata- ja tiedonhallintaschemien standardointi. Merkintämallit helpottavat tiedon hakua, yhdistämistä ja analyysiä sekä parantavat yhteentoimivuutta eri järjestelmien välillä. Laadunvarmistuksessa käytetään usein toistettavuutta, ohjeistuksia ja mittareita kuten inter-annotator agreement -arvioita.

Haasteisiin kuuluvat kontekstisidonnaisuus, kulttuurinen ja kielellinen moninaisuus sekä standardien muutokset. Merkintöjä voidaan pitää subjektiivisina, jolloin lajittelua ja riittävää dokumentointia tarvitaan. Normien ja viitetasojen yhteensovittaminen sekä skaalautuvuus suurissa aineistoissa ovat jatkuvia kehityskohteita.