一、数据标注工具介绍

数据标注是将原始数据转化为机器学习算法可理解的形式的过程，通过标注后的数据，机器可以学习到各种任务，如分类、回归、目标检测等。

数据标注的工具比较多，比较出名的有Doccano、Label Studio等。

Label Studio ：图像标注、文本标注、音频标注、视频标注、时间序列标注，功能比较多。

Doccano：主要是针对文本的标注，包括文本分类，序列标注和序列到序列的标注等功能。

二、Doccano安装过程

DOCCANO 是一个开源的文本标注工具，用于命名实体识别（NER）、文本分类和序列标注等自然语言处理任务。以下是通过Docker安装 DOCCANO 的详细步骤：

1、下载并安装Docker：Get Started | Docker

2、安装完成后在 cmd 里执行以下命令拉取 doccano 的镜像：

docker pull doccano/doccano

3、运行 Docker 容器：

Linux系统下执行如下命令：

docker run -itd --name doccano \
  -e "ADMIN_USERNAME=admin" \
  -e "ADMIN_EMAIL=admin@example.com" \
  -e "ADMIN_PASSWORD=password" \
  -v doccano-db:/data \
  -p 8000:8000 doccano/doccano

这将启动一个本地的 DOCCANO 实例，并创建了一个账号为admin（密码为password）的账号，你可以通过浏览器访问 http://localhost:8000 进行操作。

Windows系统下不识别反斜杠\，执行如下命令：

docker run -itd --name doccano  -e "ADMIN_USERNAME=admin"   -e "ADMIN_EMAIL=admin@example.com"   -e "ADMIN_PASSWORD=password"  -v doccano-db:/data  -p 8000:8000 doccano/doccano

或者在PowerShell中使用 反引号 ` 换行：

docker run -itd --name doccano `
  -e "ADMIN_USERNAME=admin" `
  -e "ADMIN_EMAIL=admin@example.com" `
  -e "ADMIN_PASSWORD=password" `
  -v doccano-db:/data `
  -p 8000:8000 doccano/doccano

至此，安装过程就结束了。如果存在8000端口被占用的情况，可以更换别的端口。

三、Doccano使用

1、访问界面：

• 打开浏览器，访问 http://localhost:8000。
• 登录后，你将看到 DOCCANO 的主界面。

2、创建项目：

• 点击顶部菜单中的“Projects（项目）”，然后点击“Create Project（创建）”。
• 按实际需要选择项目的类型：文本分类、序列标注等，不同项目类别的标注方式是不一样的。
• 输入项目名称、描述，选择标签集类型（如 NER、Text Classification 等），并点击“Save（创建）”。

3、管理数据集：

• 在项目页面，点击“Datasets（数据集）”选项卡，然后点击“Upload Dataset（操作-导入数据集）”上传你的数据文件（支持 CSV、JSONL 等格式）。
• 数据文件应包含文本列和标签列（根据所选的标签集类型而定）。

4、标注数据：

• 上传数据集后，点击左上角“Start Annotation（开始标注）”开始标注数据。
• 根据提示进行文本标注，完成后保存标注结果。

5、导出标注数据：

• 完成标注后，可以在“Datasets”选项卡中下载标注后的数据集。