簡介

開源鏈接：GitHub - doccano/doccano: Open source annotation tool for machine learning practitioners.

Open source annotation tool for machine learning practitioners.

Doccano是一款開源的文本標注工具，由人工智能公司Hironsan開發并在GitHub上發布。它提供了一個直觀而功能強大的用戶界面，使用戶可以輕松地進行文本標注、數據注釋和標注項目的管理。Doccano支持多種類型的標注任務，例如命名實體識別、情感分析、文本分類等。

Doccano是Documment anotation的縮寫,是一個開源的文本標注工具,我們可以用它為情感分析、命名實體識別、文本摘要、意圖識別、插槽填充、圖片分類等NLP任務的語料庫打標簽。

Doccano的特點：

• 用戶友好的界面：Doccano的界面設計簡潔直觀，無需編程經驗即可輕松上手。用戶可以通過拖放和選擇標簽等方式進行標注，同時還提供了實時預覽和反饋功能。
• 多用戶協作：Doccano支持多用戶協作，團隊成員可以共同參與標注項目，并通過評論和討論功能進行實時溝通和協作。
• 自定義標簽模式：Doccano允許用戶自定義標簽，以適應不同的標注任務和領域需求。用戶可以根據具體情況創建自己的標簽集合，并為每個標簽定義相應的顏色和含義。
• 可擴展性：Doccano是開源工具，用戶可以根據需要進行自定義擴展和功能添加。此外，它支持多種數據格式的導入和導出，包括JSON、CSV等。

電腦環境

操作系統名稱：Microsoft Windows 11 家庭中文版

系統類型：基于 x64 的電腦

電腦已安裝了docker desktop和MinGW-w64

關于Docker安裝，可以參考：windows安裝Docker Desktop及國內鏡像

MinGW 的全稱是：Minimalist GNU on Windows 。它實際上是將經典的開源 C語言 編譯器 GCC 移植到了 Windows 平臺下，并且包含了 Win32API ，因此可以將源代碼編譯為可在 Windows 中運行的可執行程序。而且還可以使用一些 Windows 不具備的，Linux平臺下的開發工具。更多信息可以訪問MinGW官網。MinGW-w64 的代碼和可執行文件被托管存儲在 SourceForge 上，安裝包下載訪問： MinGW-w64 - for 32 and 64 bit Windows - Browse /mingw-w64/mingw-w64-release at SourceForge.net

安裝和啟動

根據Doccano官方介紹，給出了三種安裝方式：

• pip (Python 3.8+)
• Docker： 通過docker pull直接拉取（下載）鏡像
• Docker Compose：從git倉庫下載源碼，然后指定環境變量后創建并啟動容器。

我的電腦已安裝了docker和MinGW-w64，所以直接用較為簡單的Docker pull方式安裝 Doccano鏡像資源。

按照Docker方式安裝，步驟如下：

注意一定是在MinGW32窗口運行，不能直接在windows命令行窗口運行，否則即使可以運行下面命令，但是無法啟動容器）

（可能原因是：Windows 10 或 Windows 11 專業版或企業版支持運行 Windows 容器，但是Windows 家庭版或教育版僅支持運行 Linux 容器）

1、拉取鏡像資源

docker pull doccano/doccano

2、作為一次性設置，按如下方式創建Docker容器：

docker container create --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

3、接下來，通過運行容器啟動doccano：

docker container start doccano

容器已啟動，最后在瀏覽器運行：http://127.0.0.1:8000/

注1：如果要停止容器，請運行

docker container stop doccano-t 5

這是一種優雅停止（Graceful Shutdown）的方式，給它 5 秒的時間來完成任何必要的清理操作。如果 5 秒后容器仍未停止，Docker 將強制停止它。

注2：如果要使用最新功能，請指定nightly標簽：

docker pull doccano/doccano:nightly

使用Doccano進行標注任務

進入瀏覽器運行：http://127.0.0.1:8000/

點擊“快速開始”， 會進入到登錄頁碼：

整理的用戶名和密碼就是我們前面在創建docker容器時，設置的管理員參數（這里只是示例，參數值可以自行修改）：

-e "ADMIN_USERNAME=admin" \

-e "ADMIN_EMAIL=admin@example.com" \

-e "ADMIN_PASSWORD=password" \

登錄后，我們就可以創建項目，開展我們的標注任務了。

點擊創建項目，有下面九種項目類型可以選擇，填寫：項目名稱、描述和Tags（項目標簽，它不是標注內容標簽），以及勾選標注任務管理相關的選項（是否允許項目成員創建標簽類型、文檔按順序還是打散排列、標注結果所有成員共享可見）。

注：如果前端頁面展示全部是英文，可以點擊右上角的語言選項，設置中文展示。

標注項目創建完后，我們就可以點擊項目，進入到了該項目的“數據標注平臺”頁面。

在該頁面，我們可以導入數據集、添加成員、創建或導入任務內容標簽、統計和導出結果等。

總結一下，使用Doccano進行標注任務的步驟如下：

1. 準備數據：將待標注的文本數據導入Doccano，可以是文本文件或數據集。
2. 創建標注項目：在Doccano中創建一個新的標注項目，并定義標簽集合。
3. 標注文本：使用Doccano提供的界面工具，對文本進行標注。可以選擇文本片段、標注對應的標簽，并添加注釋。
4. 數據管理和導出：管理標注項目，查看已標注和未標注的文本，進行數據的導入和導出。

NOTE：doccano支持TextFile、TextLine、JSONL和CoNLL四種數據上傳格式，在百度PaddleNLP的UIE（通用信息抽取）定制訓練中統一使用TextLine這一文件格式，即上傳的文件需要為txt格式，且在數據標注時，該文件的每一行待標注文本顯示為一頁內容。

上傳文件：將文件拖入，點擊左下角導入。

參考：

強烈推薦：數據標注平臺doccano----簡介、安裝、使用、踩坑記錄

超越傳統標注方法：doccano平臺提供智能化數據標注解決方案-CSDN博客