数据词典：数据标注（Data Labelling）

赵老师

数据标注的主要目的是通过对目标数据补充必要的词性、关键字或语义信息等标签类元数据，提高其检索、洞察、分析和挖掘的效果和效率。按标注活动的自动化程序，数据标注可以分为手工标注、自动化标注和半自动化标注。从标注的实现层次看，数据标注可以分为以下两种：

1．语法标注：主要采用语法层次上的数据计算技术，对文字、图片、语音、视频等目标数据给出语法层次的标注信息。例如，文本数据的词性、句法、句式等语法标签；图像数据的颜色、纹理和形状等视觉标签。语法标签的特点是：标签内容的生成过程并不建立在语义层次的分析处理技术上，且标签信息的利用过程并不支持语义层次的分析推理。可见，语法标注的缺点在于标注内容停留在语法层次，难以直接支持语义层次上的分析处理。

2．语义标注：主要采用语义层次上的数据计算技术，对文字、图片、语音、视频等目标数据给出语义层次的标注信息——语义标签。例如，对数据给出其主题、情感倾向、意见选择等语义信息。与语法标注不同的是，语义标注的过程及标注内容应均建立在语义WEB和关联数据技术上，并通过OWL/RDF语言连接到领域本体及其规则库，支持语义推理、分析和挖掘工作。语义WEB中常用的技术有：知识表示技术（如OWL、RDF等）、规则处理（如SWRL、RDF Rule Language等）、检索技术（如SPARQL、RDF Query Language等）。

【出处】朝乐门.数据科学,清华大学出版社,2016年8月第1版.