Name: Potato
Author: Potato

ध्यान दें: यह पोस्ट उस मूल Potato सिस्टम के बारे में है जो EMNLP 2022 में पेश किया गया था। तब से Potato में AI की मदद से एनोटेशन, मल्टीमीडिया समर्थन, और 50 से ज़्यादा एनोटेशन टाइप जुड़ चुके हैं। ताज़ा जानकारी के लिए मौजूदा दस्तावेज़ देखें।

Potato पर हमारा पेपर EMNLP 2022 में स्वीकार हुआ। यह कुछ साल की उस कोशिश का नतीजा है कि शोधकर्ताओं के लिए डेटा एनोटेशन कम तकलीफ़देह हो, और इसे कार्यक्रम में देखकर हमें अच्छा लगा।

पेपर

"Potato: The Portable Text Annotation Tool" में Potato की डिज़ाइन, बनावट और क्षमताएँ रखी गई हैं। बात सीधी है: अगर एनोटेशन का इंटरफ़ेस एक कॉन्फ़िग फ़ाइल में बताया जा सकता है, तो अच्छा इंटरफ़ेस पाने के लिए कोड लिखने की ज़रूरत नहीं।

मुख्य योगदान

कॉन्फ़िगरेशन पहले: जटिल एनोटेशन इंटरफ़ेस पूरी तरह YAML में बताए जा सकते हैं, इसलिए ज़्यादातर परियोजनाओं में अपना कोड लिखने की नौबत ही नहीं आती।
लचीले एनोटेशन स्कीमा: Potato radio बटन, चेकबॉक्स, span, Likert पैमाने और बाक़ी चीज़ें सँभालता है, और पेचीदा कार्यों के लिए इन्हें मिलाया भी जा सकता है।
गुणवत्ता नियंत्रण पहले से मौजूद: पेपर बताता है कि हम प्रशिक्षण चरण, attention check, और एनोटेटर-सहमति पर नज़र रखकर एनोटेटर की गुणवत्ता कैसे सँभालते हैं।
Crowdsourcing से जुड़ाव: बड़े पैमाने के अध्ययन के लिए Potato, Prolific और Amazon Mechanical Turk से जुड़ता है।

Potato का हवाला देना

अगर आप अपने शोध में Potato का इस्तेमाल करते हैं, तो कृपया हमारे पेपर का हवाला दें:

bibtex

@inproceedings{pei2022potato,
  title={Potato: The Portable Text Annotation Tool},
  author={Pei, Jiaxin and Anber, Aparna and Jurgens, David},
  booktitle={Proceedings of the 2022 Conference on Empirical Methods
             in Natural Language Processing: System Demonstrations},
  pages={327--337},
  year={2022}
}

हमने Potato क्यों बनाया

Potato हमारी अपनी झुंझलाहट से निकला, NLP शोधकर्ताओं के तौर पर। हर नई एनोटेशन परियोजना में विकल्प ख़राब ही मिलते थे: या तो कोई भारी-भरकम प्लेटफ़ॉर्म सीखो जिसमें ढेरों ऐसी सुविधाएँ हैं जिनकी हमें ज़रूरत नहीं, या शुरू से इंटरफ़ेस बनाओ, या फिर एनोटेशन का घटिया अनुभव झेल लो क्योंकि टूल वह कर ही नहीं सकता था जो हम चाहते थे।

तो हमने ऐसी चीज़ बनाई जिसे शुरू करना आसान हो (मिनटों में, न कि दिनों में), जो हर उस कार्य के लिए लचीली रहे जो हम उस पर डालें, जिसे बिना ज़्यादा ताम-झाम के चलाया जा सके, और जो अकादमिक कामकाज और नतीजे दोहराए जा सकने को ध्यान में रखकर बनी हो।

असर और अपनाव

शोध समूहों ने Potato का इस्तेमाल भावना और मनोभाव के काम, named entity recognition और relation extraction, content moderation और विषाक्तता की पहचान, argument mining और stance detection, तथा नैदानिक और जैव-चिकित्सा टेक्स्ट माइनिंग जैसे कामों में किया है।

आगे की राह

EMNLP का पेपर शुरुआत भर था। उसके बाद से हमने इमेज और ऑडियो एनोटेशन, AI की मदद से एनोटेशन, active learning, और मिलकर काम करने की बेहतर सुविधाएँ जोड़ी हैं।

हम लोगों की माँग के हिसाब से इसे बनाते रहते हैं। अगर आपके पास कोई सुविधा की माँग या कोई विचार है, तो हमारी GitHub रिपॉज़िटरी पर issue खोलिए।

आभार

उन एनोटेटर, बीटा परीक्षकों और शुरुआती उपयोगकर्ताओं का शुक्रिया जिन्होंने Potato को आकार दिया, University of Michigan का शोध में सहयोग के लिए, और EMNLP के समीक्षकों का उनकी प्रतिक्रिया के लिए।

पूरा पेपर ACL Anthology पर पढ़िए।