基于眾包的數據標注系統(tǒng).pdf

1、眾所周知自然語言處理和情感分析是機器學習中非常重要的一個環(huán)節(jié)。而這兩個環(huán)節(jié)都需要大量的數據作為分析的基礎。但目前大部分的數據都是直接從網上獲取的，質量參差不齊，于是就需要對這些數據進行標注和處理，才能在科研中使用。不過從網上獲取的數據量非常龐大，如果光靠科研人員來對數據進行標注，那么工作量就非常之大。然而近年來隨著互聯網的進一步發(fā)展，幾乎每一個人每天或多或少都會上網瀏覽各種網站信息。而且，由于每個人興趣愛好的不同那么他們所擅長的領域必然

2、也有相應的區(qū)別。如果能充分利用每個人的知識，來對互聯網上大量的數據進行標注和點評，以眾包的形式進行工作。那么就能夠使得研究人員更方便的獲取有價值的語料信息，更方便科研人員進行語料分析和開展機器學習的研究。該項目就是基于這個需求開展的，提供了一個讓用戶進行信息瀏覽，標注，點評的平臺。同時，在用戶標注和評論信息的時候，也通過數據挖掘和機器學習的算法來實現根據用戶的不同個性為他們推薦不同的數據，這樣就方便了用戶標注和評論。
　　本文在閱

3、讀和詳細了解了眾包的相關資料和國內外使用的情況下，提出了使用眾包這種商業(yè)模式來解決機器學習中大量語料需要標注的難題。根據系統(tǒng)的需求和網站開發(fā)的相關要求并且結合Web開發(fā)的相關技術提出了面向本平臺的解決方案。此系統(tǒng)采用J2ee作為開發(fā)技術，選用Mysql作為后臺數據庫，Tomcat作為服務器，同時利用最新的Bootstrap和Ajax技術來實現頁面的開發(fā)和相關可視化特效，使該系統(tǒng)更加美觀易用。
　　通過對系統(tǒng)的需求進行分析和設計，本