märgistusandmeid

Märgistusandmed (annotation data) on lisandväärtusega teave, mis kirjeldab või märgistab algandmeid ning mida kasutatakse nende sisu, konteksti, struktuuri või tähenduse mõistmiseks ja tööstuslikuks ning uurimiskasutuseks. Need tekivad märgistamise või annotatsiooni protsessis ning neid kasutatakse andmete leidmiseks, klassifitseerimiseks ning masinõppe mudelite treenimiseks. Märgistused võivad olla teksti, pilte, helifaile või videoid sisaldavad ning hõlmavad erinevaid vorme, nagu nimede märkimine, teemade märksõnastamine, osa-sõnade analüüs või objektide tunnustamine.

Märgistusandmeid kasutatakse laialdaselt erinevates valdkondades: tekstiannotatsioonis parandavad need otsingutulemusi ja mõistmist, visuaalses andmestikus võimaldavad piirid ja klassifikatsioonid tuvastada objekte, helisalvestustes kirjeldavad ajastused ja transkriptsioonid, ning semantilised märgendid lisavad andmetele ontoloogiliste seoste konteksti. Standardiseerimine toimub sageli kasutades XML-, JSON- või RDF-põhiseid vorme ning mõnikord spetsialiseeritud märgenduskeeli või raamistikku (nt TEI tekstianalüüsis).

Kvaliteet ja läbipaistvus on märgistuste elujõulisuse seisukohalt kriitilised: kasutatakse märgistusjuhiseid, teostatakse inter-annotaatorluse kontrolli ja hallatakse märgistuste versioone ning päritolu. Eetikaküsimused, nagu privaatsus ja autoriõigused, tuleb märkustega arvestada ning tagada andmete kaasamine ja õigustatud kasutus.

Seoses teiste andmetega võimaldavad märgistatud andmed paremat otsingut, parem andmete ühenduvus ja täpsem analüüs, eriti suurandmekogumite ning masinõppe projektide kontekstis.