基于眾包的數(shù)據(jù)標(biāo)注系統(tǒng).pdf

1、眾所周知自然語言處理和情感分析是機(jī)器學(xué)習(xí)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(shù)據(jù)作為分析的基礎(chǔ)。但目前大部分的數(shù)據(jù)都是直接從網(wǎng)上獲取的，質(zhì)量參差不齊，于是就需要對這些數(shù)據(jù)進(jìn)行標(biāo)注和處理，才能在科研中使用。不過從網(wǎng)上獲取的數(shù)據(jù)量非常龐大，如果光靠科研人員來對數(shù)據(jù)進(jìn)行標(biāo)注，那么工作量就非常之大。然而近年來隨著互聯(lián)網(wǎng)的進(jìn)一步發(fā)展，幾乎每一個人每天或多或少都會上網(wǎng)瀏覽各種網(wǎng)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(lǐng)域必然

2、也有相應(yīng)的區(qū)別。如果能充分利用每個人的知識，來對互聯(lián)網(wǎng)上大量的數(shù)據(jù)進(jìn)行標(biāo)注和點(diǎn)評，以眾包的形式進(jìn)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(jìn)行語料分析和開展機(jī)器學(xué)習(xí)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(jìn)行信息瀏覽，標(biāo)注，點(diǎn)評的平臺。同時，在用戶標(biāo)注和評論信息的時候，也通過數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的算法來實(shí)現(xiàn)根據(jù)用戶的不同個性為他們推薦不同的數(shù)據(jù)，這樣就方便了用戶標(biāo)注和評論。
　　本文在閱

3、讀和詳細(xì)了解了眾包的相關(guān)資料和國內(nèi)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(jī)器學(xué)習(xí)中大量語料需要標(biāo)注的難題。根據(jù)系統(tǒng)的需求和網(wǎng)站開發(fā)的相關(guān)要求并且結(jié)合Web開發(fā)的相關(guān)技術(shù)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(shù)，選用Mysql作為后臺數(shù)據(jù)庫，Tomcat作為服務(wù)器，同時利用最新的Bootstrap和Ajax技術(shù)來實(shí)現(xiàn)頁面的開發(fā)和相關(guān)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(jìn)行分析和設(shè)計，本