启动后端服务器:
cd backend
python -m uvicorn main:app --reload --host 0.0.0.0 --port 8000
启动前端服务器:
cd web
yarn nx serve lq_label
cd backend
python init_sample_data.py
这将创建 3 个示例项目和 6 个示例任务:
打开浏览器访问:http://localhost:4200
文本分类示例:
命名实体识别示例:
目标: 对用户评论进行情感分类
标注类型: 单选分类
类别:
示例任务:
| 任务名称 | 文本内容 | 预期标注 |
|---|---|---|
| 文本分类任务-1 | 这家餐厅的服务态度非常好... | 正面 |
| 文本分类任务-2 | 产品质量太差了... | 负面 |
| 文本分类任务-3 | 这款手机性能一般... | 中性 |
目标: 识别文本中的实体
标注类型: 文本高亮标注
实体类型:
示例任务:
| 任务名称 | 文本内容 | 预期实体 |
|---|---|---|
| 命名实体识别任务-1 | 2024年1月15日,张三在北京大学... | 时间、人名、机构名 |
| 命名实体识别任务-2 | 李明是清华大学的教授... | 人名、机构名 |
目标: 标记文本中的关键信息
标注类型: 文本高亮标注
标签类型:
cd backend
python test_annotation.py check
cd backend
python test_annotation.py
这将自动测试:
cd backend
python -c "import sqlite3; conn = sqlite3.connect('annotation_platform.db'); cursor = conn.cursor(); cursor.execute('SELECT COUNT(*) FROM projects'); print(f'Projects: {cursor.fetchone()[0]}'); conn.close()"
cd backend
python -c "import sqlite3; conn = sqlite3.connect('annotation_platform.db'); cursor = conn.cursor(); cursor.execute('SELECT COUNT(*) FROM tasks'); print(f'Tasks: {cursor.fetchone()[0]}'); conn.close()"
cd backend
python -c "import sqlite3; conn = sqlite3.connect('annotation_platform.db'); cursor = conn.cursor(); cursor.execute('SELECT COUNT(*) FROM annotations'); print(f'Annotations: {cursor.fetchone()[0]}'); conn.close()"
A: 检查以下几点:
A: 这是正常的:
A: 检查以下几点:
A: 删除数据库文件:
cd backend
rm annotation_platform.db
然后重启后端服务器。
现在你已经了解了基本的标注流程,可以:
祝标注愉快!🚀