二、AI训练师：数据标注-文本标注-平芜编程栈

1.2、文本标注

序号	标注类型	核心任务	典型应用
1	文本分类	将整段文本归入预定义类别	新闻分类、情感分析、垃圾检测
2	情感分析	判断文本的情感倾向	商品评论分析、舆情监控
3	命名实体识别（NER）	识别并标注文本中的实体，人名、地名等	信息抽取、知识图谱构建
4	关系抽取	识别实体之间的语义关系	知识图谱、智能问答
5	意图识别 + 槽位填充	识别用户意图并提取关键信息	智能客服、语音助手
6	文本摘要	提取或生成文本的核心内容	新闻摘要、文档精读
7	序列标注（词性/分词）	对每个词/字进行标签标注	词性标注、分词、语义角色标注
8	文本校对/纠错	标注文本中的错误并给出正确形式	作文批改、文本清洗

1.2.1、文本分类

任务描述：将整段文本归入一个或多个预定义的类别。

常用标签体系：

场景	标签示例
新闻主题	财经、科技、体育、娱乐、教育、政治、社会、健康
邮件分类	工作邮件、垃圾邮件、私人邮件、通知邮件
用户反馈	投诉、建议、咨询、表扬、其他
对话意图	查询、退货、投诉、修改订单、咨询活动

标注方式：阅读整段文本，选择最匹配的类别标签（可单选或多选）。

案例1.1：

📝文本：央行宣布下调存款准备金率，释放长期资金约5000亿元，旨在加大对实体经济的支持力度。
🏷️标签：财经
📌标注说明：内容涉及央行政策、货币政策，属财经类。

案例1.2：

📝文本：中国女足在决赛中击败韩国队，时隔十六年再次夺得亚洲杯冠军。
🏷️标签：体育
📌标注说明：内容为体育赛事报道，涉及女足、决赛、冠军。

1.2.2、情感分析

任务描述：判断文本的整体情感倾向，以及针对不同方面的细粒度情感。

常用标签体系：

层级	标签示例
整体情感	正面、中性、负面
方面情感	物流：正面/负面/未提及；质量：正面/负面/未提及；服务：正面/负面/未提及；价格：正面/负面/未提及

标注方式：先标注整体倾向，再对文本中提到的具体方面逐一标注情感。

案例2.1：

📝文本：快递速度太慢了，等了一周才到，不过产品本身质量还不错。
🏷️标签：
整体情感：中性
物流：负面
质量：正面
📌标注说明：正负评价均有，整体难以判断倾向，标为中性。

案例2.2：

📝文本：客服态度极其恶劣，问半天不回复，以后不会再来这家店了。
🏷️标签：
整体情感：负面
服务：负面
📌标注说明：全文为投诉内容，无正面信息，整体负面。

1.2.3、命名实体识别（NER）

任务描述：识别文本中具有特定意义的实体，并标注其类型。

常用标签体系：

标签	英文标识	说明	示例
人名	PER	人物姓名	张三、王某某
地名	LOC	地理位置	北京、长江
机构	ORG	组织/公司/政府	阿里巴巴、央行
日期	DATE	时间日期	2026年3月1日
金额	MONEY	货币金额	5000亿元、$100
百分比	PERCENT	比例数字	15%、2.1%
年龄	AGE	年龄数值	65岁、28岁

标注方式：在原文中标注出实体对应的起止位置，并指定实体类型。

案例3.1：

📝文本：患者王某某，男，65岁，主诉胸闷气短一周。
🏷️标签：
王某某→PER（人名）
65岁→AGE（年龄）
胸闷气短→SYMPTOM（症状）
一周→DURATION（持续时长）

案例3.2：

📝文本：央行宣布下调存款准备金率，释放长期资金约5000亿元。
🏷️标签：
央行→ORG（机构）
5000亿元→MONEY（金额）

1.2.4、关系抽取

任务描述：识别文本中实体之间的语义关系。

常用标签体系：

关系	说明	示例
工作于	人物与组织的关系	张三 → 阿里巴巴
位于	实体与地理位置的关系	总部 → 杭州
毕业于	人物与学校的关系	李四 → 北京大学
治疗	药物与疾病的关系	头孢曲松 → 肺炎
制造	公司与产品的关系	苹果 → iPhone
发生于	事件与地点的关系	决赛 → 东京

标注方式：先标注实体，再标注实体间的关系（通常用三元组表示：头实体 → 关系 → 尾实体）。

案例4.1：

📝文本：患者张某某，女，28岁，孕32周，因胎动减少来院就诊。
🏷️标签（三元组）：
张某某（PER） →孕→32周（DURATION）
张某某（PER） →症状为→胎动减少（SYMPTOM）

案例4.2：

📝文本：宁德时代与福特汽车签署合作协议，将在美国合资建设电池工厂。
🏷️标签（三元组）：
宁德时代（ORG） →合作对象→福特汽车（ORG）
宁德时代（ORG） →项目地点→美国（LOC）

1.2.5、意图识别 + 槽位填充

任务描述：识别用户话语的意图，并提取关键参数（槽位）。

常用标签体系：

意图	标签示例
查询订单	query_order
申请退货	return
投诉建议	complaint
查询信息	query_info
修改信息	change_info

槽位	标签示例
订单号	order_id
产品名	product_name
日期	date
手机号	phone_num
地址	address

标注方式：先标注整体意图，再提取文本中的关键参数。

案例5.1：

📝文本：我的订单号是123456，怎么还没发货？
🏷️标签：
意图：查询订单
槽位：订单号 = 123456

案例5.2：

📝文本：我想退货，买的是你们家的蓝牙耳机，订单号是789012。
🏷️标签：
意图：申请退货
槽位：产品名 = 蓝牙耳机、订单号 = 789012

1.2.6、文本摘要（抽取式）

任务描述：从原文中抽取出最关键的一句话或几句话作为摘要。

标注方式：在原文中标注出作为摘要的句子或片段。

常用标签体系：

标签	说明
摘要句	该句为核心内容，应保留在摘要中
非摘要句	该句为细节内容，摘要中可省略

案例6.1：

📝文本：①华为发布新款折叠屏手机Mate X3。②该机采用自研麒麟芯片，支持卫星通信。③售价为12999元起。④业界普遍认为这将进一步巩固华为在高端市场的地位。
🏷️标签：
句子①：摘要句
句子②：摘要句
句子③：非摘要句
句子④：非摘要句

案例6.2：

📝文本：①央行今日宣布下调存款准备金率0.25个百分点。②此举预计释放长期资金约5000亿元。③多家机构认为这有助于降低实体经济融资成本。④股市对此反应积极，金融板块领涨。
🏷️标签：
句子①：摘要句
句子②：摘要句
句子③：非摘要句
句子④：非摘要句

1.2.7、序列标注（词性标注/分词）

任务描述：为文本中的每个词或字标注其词性类别，或进行分词。

常用标签体系：

词性标签	说明	示例
n	名词	苹果、电脑
v	动词	跑、吃、买
adj	形容词	好、快、漂亮
adv	副词	非常、很、也
pron	代词	你、我、他
num	数词	一、二、100
prep	介词	在、从、对于
conj	连词	和、但、因为
punc	标点	。，！？

标注方式：按词为单位，为每个词赋予词性标签。

案例7.1：

📝文本：这双鞋穿着特别舒服。
🏷️标签：
这 →pron（代词）
双 →num（数词，量词用法）
鞋 →n（名词）
穿 →v（动词）
着 →aux（助词）
特别 →adv（副词）
舒服 →adj（形容词）
。→punc（标点）

案例7.2：

📝文本：客服很耐心地帮我解决了问题。
🏷️标签：
客服 →n（名词）
很 →adv（副词）
耐心 →adj（形容词）
地 →aux（助词）
帮 →v（动词）
我 →pron（代词）
解决 →v（动词）
了 →aux（助词）
问题 →n（名词）
。→punc（标点）

1.2.8、文本校对/纠错

任务描述：识别文本中的错别字、语法错误，并给出正确形式。

常用标签体系：

错误类型	说明
错别字	音近/形近字错误
语法错误	句式结构错误
逻辑错误	内容前后矛盾
标点错误	标点使用不当
冗余	多余的字词
缺失	遗漏的字词