Skip to content

¿Qué es la anotación de datos?

Una introducción en lenguaje claro a la anotación de datos: qué es, los principales tipos de tarea (clasificación, etiquetado de tramos, ordenación, texto libre) y cómo llevar un proyecto de anotación con Potato.

La anotación de datos es el proceso de adjuntar etiquetas a datos en bruto —texto, imágenes, audio, vídeo o salidas de modelos— para que los datos puedan medirse, compararse o usarse para entrenar y evaluar modelos de aprendizaje automático. Una etiqueta puede ser la categoría de sentimiento de un tuit, un nombre resaltado en una frase, una valoración de calidad de 1 a 5 sobre la respuesta de un chatbot, o un recuadro delimitador alrededor de un peatón en una foto.

A la anotación a veces se la llama etiquetado de datos, marcado o codificación (el término empleado en las ciencias sociales). Consulta Anotación de datos y la idea relacionada de un conjunto de entrenamiento etiquetado en Wikipedia.

Por qué importa

El aprendizaje automático supervisado aprende a partir de ejemplos que ya llevan la respuesta correcta. La calidad de esas respuestas fija un techo a la calidad del modelo, por lo que una anotación cuidadosa suele ser la parte de mayor apalancamiento de un proyecto. La anotación es también la forma de evaluar un modelo: para saber si un sistema de IA acierta, normalmente una persona debe juzgar sus salidas.

Los principales tipos de tarea de anotación

La mayoría de los proyectos encajan en unas pocas familias. Cada una se corresponde con uno o varios controles de anotación de Potato (consulta Esquemas de anotación).

  • Clasificación: elegir una o varias categorías para un elemento completo. Ejemplo: ¿esta reseña es positiva, negativa o neutra? Consulta Clasificación de texto.
  • Etiquetado de tramos: marcar una región dentro de un elemento, como un nombre en una frase o un fragmento de un clip de audio. Consulta Anotación de tramos.
  • Valoración y puntuación: situar un elemento en una escala, como un juicio de calidad de 1 a 5. Consulta Escalas de valoración.
  • Ordenación y comparación: ordenar elementos o elegir el mejor de dos. Consulta Comparación por pares y escala mejor–peor.
  • Anotación estructurada: enlazar tramos en relaciones, construir cadenas de correferencia o anotar eventos. Consulta Extracción de relaciones y eventos.
  • Texto libre: redactar una explicación, una corrección o una transcripción.

Un ejemplo mínimo

Una tarea de sentimiento en Potato son unas pocas líneas de YAML. El bloque annotation_schemes define las etiquetas que ve el anotador:

yaml
annotation_schemes:
  - annotation_type: radio
    name: sentiment
    description: "What is the overall sentiment of this review?"
    labels:
      - Positive
      - Negative
      - Neutral

Esa es toda la definición de la interfaz. Tú aportas los datos, ejecutas potato start y los anotadores etiquetan en el navegador.

Cómo suele desarrollarse un proyecto

  1. Define la tarea. Anota la pregunta y el conjunto de etiquetas.
  2. Redacta las directrices. Da a los anotadores reglas y ejemplos. Consulta Redacción de directrices de anotación.
  3. Haz una prueba piloto. Etiqueta un lote pequeño, detecta los desacuerdos y afina las directrices.
  4. Anota con solapamiento. Haz que varias personas etiqueten los mismos elementos para poder medir la concordancia.
  5. Mide la concordancia. Consulta Concordancia entre anotadores.
  6. Adjudica y exporta. Resuelve los desacuerdos y exporta para entrenamiento o análisis.

Lecturas adicionales