merkintämenetelmiä

Merkintämenetelmät ovat erilaisia lähestymistapoja, joilla dataan, teksteihin, kuviin ja esineisiin lisätään merkintöjä, luokituksia tai etiketointeja. Tavoitteena on tehdä tiedoista ymmärrettäviä sekä helpottaa niiden analysointia, hakua ja uudelleenkäyttöä. Merkintämenetelmien tarkoituksena on tallentaa sekä sisällön ominaisuuksia että kontekstia, jotta tiedot voivat olla helposti saatavilla sekä ihmisille että tietokoneille.

Käyttöalueita ovat muun muassa kielitiede ja korporaalianalyysi, joissa tekstiin lisätään sanaluokkia, syntaktisia rakenteita ja semanttista merkintää; digitaalinen humanismi TEI-merkintöineen; sekä data- ja koneoppimisen projekteissa, joissa kuvat, äänitteet ja muut mediat merkitään luokittelun tai rajauksen avulla. Lisäksi arkeologia ja museotaide hyödyntävät merkintämenetelmiä esineiden metadataan sekä kontekstin tallennukseen.

Keskeisiä menetelmäluokkia ovat manuaalinen annotointi (asiantuntijoiden tekemä), automatisoitu annotointi (koneiden tuottama) sekä näiden välinen yhdistelmä eli ihmislähtöinen, ohjattu annotointi. Tekniikoita ja lähestymistapoja ovat sääntöpohjainen annotointi, tilastollinen tai koneoppimiseen perustuva annotointi sekä aktiivinen oppiminen. Käytetään usein annotaatiokaavioita, sanastoja ja ohjeistuksia sekä arviointia, kuten inter-annotator agreement (IAA).

Prosessi sisältää ohjeistuksen laatimisen, koulutuksen, pilottimerkinnät sekä useiden annotaattorien käytön IAA:n mittaamiseen. Tiedon tallentamiseen sovelletaan standardeja ja formaatteja kuten TEI-merkintä (XML), RDF tai Dublin Core, sekä JSON-LD tai BIO-/IOB-merkintätapoja. Ontologioiden ja sanastojen käyttö varmistaa yhteentoimivuuden ja toistettavuuden.