Merkintätasoja

Merkintätasoja ovat annotoinnin kerroksia, jotka lisätään päädataan siten, että jokainen taso kuvaa erilaista ilmaisua tai ominaisuutta. Jokainen merkintätaso voi toimia itsenäisesti tai yhdessä muiden tasojen kanssa, ja tasot voivat olla sekä rinnakkaisia että hierarkkisia. Esimerkiksi tekstiaineistoissa voidaan käyttää token- tai sanatasoa, morfologista merkintätasoa, syntaktista rakennetta sekä semanttisia rooleja tai viitteellisiä merkintöjä.

Merkintätasot liittyvät toisiinsa siten, että tasojen välinen yhteys säilyy usein erillisillä avaimilla tai ajoituksella sekä kohdehenkilötietojen (kuten sanan sijainti tekstissä) kautta. Tämä mahdollistaa päädatan muokkaamisen ilman, että merkintätasoja tarvitsee muuttaa, sekä uusien tasojen lisäämisen olemassa olevaan aineistoon. Tason rakenne voi olla lineaarinen tai monimutkaisempi, kuten hierarkia tai grafiikkamalli, riippuen annotoinnin tarkoituksesta ja käytössä olevista työkalupakoista.

Käytännössä merkintätasoja hyödynnetään monilla aloilla, kuten kielitieteessä, jossa korpusta voidaan annotoida sanataso-, morfologian-, syntaksin- ja semantiikan tasoilla. Tason hallinta ja yhteensopivuus ovat tärkeää, jotta tiedot voidaan yhdistää ja vertailla erilaisia analyysejä varten. Yhteensopivuuden ja standardien noudattamisen vuoksi käytetään usein XML-pohjaisia, TEI- tai JSON-pohjaisia rakenteita sekä linjauksia, jotka helpottavat tiedon jakamista ja uudelleenkäyttöä.

Merkintätasot ovat siten keskeinen käsite suorituskykyisessä ja uudelleenkäytettävässä annotointiprosessissa, jossa päädata säilyy vakaana ja useita erillisiä merkintäkerroksia voidaan käyttää samanaikaisesti.