LabelVizier：面向技术文本标注的交互式验证与重标注工具

随着数据驱动技术产生的文本数据迅速积累，从非结构化原始文本中提取“数据标注”——简洁、高质量的数据摘要——的任务变得愈发重要。弱监督与众包技术的最新进展为大规模技术文本数据的高效标注(打标签)提供了有前景的方案。然而，由于标注需求、应用场景和建模目标的变化，此类标注在实践中可能失效，此时需要领域专家进行标签验证与重标注。针对该问题，我们提出LabelVizier，一种人在回路的工作流，它融合领域知识与用户特定需求，揭示标注缺陷中可操作的洞察，进而为大规模多标签数据集生成更高质量的标签。我们将该工作流实现为一个交互式笔记本，以支持灵活的错误剖析、针对三类错误的深度标注验证，以及在不同数据规模上的高效标注重标注。我们通过两个用例和四位专家评审评估了工作流的效率与泛化性。结果表明，LabelVizier适用于多种应用场景，并能协助具有不同知识背景的领域专家高效提升技术文本标注质量。