命名实体识别（NER）标注神器——Label Studio 简单使用

前言

近期在做NER的工作，由于缺乏标注数据，所以，你懂的

Label Studio不仅可以用来标注文本NER任务，还可以用来标注文本分类、图像分类等等其他AI任务。

官网——https://labelstud.io/

其他标注任务自己去探索吧，我这里只讲一下NER任务。

一、安装与启动

安装

pip install -U label-studio

启动

# 打开命令行，在命令行中执行：

label-studio

二、基本使用

不出意外的话，在命令行中启动 Label Studio 后，会弹出一个登陆页面
如上图

第一次使用需要创建账号，注册一下就好了

注册好后登陆进去，然后会跳转到如下页面
第一次登陆进来，这个页面应该是空白的，这些都是我自己建的项目。你们不用管

下面，我们开始创建自己的项目：

1、点击右上角的create按钮

点击后弹出如下页面，设置自己的项目名和项目描述

2、设置好项目名称和描述后，点击旁边的 Data Import，进入到数据导入页面

3、点击Upload Files按钮，从本地选择一个待标注的文件

我的文件格式是一行一行的 .txt 文本，如图：

一行表示一条数据。文件格式也可以是CSV，按理说只要是一行一条数据的都可以，感兴趣的同学可以自己探索下。

4、选择好待标注的文件后，点击确定，会弹出如下界面：

5、这里需要选择是 List of tasks 还是Time Series，这里我选择的是List of tasks

6、选择好后，点击旁边的 Labeling Setup，页面如下：

7、找到Natural Language Processing，选择Named Entity Recognition

8、选择后，弹出如下页面

9、默认的四个标签 PER ORG LOC MISC，删掉这四个标签，换成我们自己的标签

从旁边的方框里输入自己的标签名称，再点击Add就可以添加自己自定义的标签了

点击我们添加的标签，还能自定义颜色

10、至此，我们就选择好了所有的配置，看起来很麻烦事因为我说的比较细，就怕有些同学看不懂。点击右上角的Save按钮，就可以开始标注了
11、点击Label All Tasks 按钮，开始愉（痛）快（苦）地标注之旅吧

12、点击实体名称，再通过鼠标从待标注的文本选择出正确的实体，如图：

注意：标注完成后，一定要点击Submit提交已标注的数据，要不然，一天白干

设置一下可以让标签显示在实体右上角

13、标注完成后，点击右上角 Export 可以导出已标注的数据

14、这里我们选择CSV，你想导出其他格式的也可以

点击下面的Export蓝色按钮，就能导出已标注的数据啦

15、导出的csv的数据格式

16、通过以下代码，我们将其转为以下这种数据格式：

转换代码：

def gen_train_data(file_path, save_path):
    """
    file_path: 通过Label Studio导出的csv文件
    save_path: 保存的路径
    """
    data = pd.read_csv(file_path)
    for idx, item in data.iterrows():
        text = item['text']
        if pd.isna(text):
            text = ''
        text_list = list(text)
        label_list = []
        labels = item['label']
        label_list = ['O' for i in range(len(text_list))]
        if pd.isna(labels):
            pass
        else:
            labels = json.loads(labels)
            for label_item in labels:
                start = label_item['start']
                end = label_item['end']
                label = label_item['labels'][0]
                label_list[start] = f'B-{label}'
                label_list[start+1:end-1] = [f'M-{label}' for i in range(end-start-2)]
                label_list[end - 1] = f'E-{label}'
        assert len(label_list) == len(text_list)
        with open(save_path, 'a') as f:
            for idx_, line in enumerate(text_list):
                if text_list[idx_] == '\t' or text_list[idx_] == ' ':
                    text_list[idx_] = '，'
                line = text_list[idx_] + ' ' + label_list[idx_] + '\n'
                f.write(line)
            f.write('\n')

直接传参就可以啦

总结

1、我愿称其为 NER 标注神器
2、应该可以多人协同、如果有同学搞定多人协同标注，可以写一篇博客教程，将博客链接放在评论区
3、BiLSTM + CRF NER 任务可以参考：https://blog.csdn.net/qq_44193969/article/details/116008734-文章写的有点潦草，代码可以跑通，后续有空会重新编辑一下，感兴趣的同学将就着看吧哈哈