輸入法數據標注規(guī)范標準

輸入法數據標注規(guī)范地址欄內輸入標注系統(tǒng)地址:一定使用谷歌瀏覽，并將其設置為默認瀏覽器1.登陸界面：百度的賬戶一律實名認證不可修改個人信息及密碼嚴格保證賬號安全做到一人一號實名認證，不得修改密碼信息如果導致賬號丟失的賬戶內的時長及賬戶成本費用個人承擔。導致數據錯亂造成損失的對其追究相應賠償。紅框內顯示為音頻可點擊播放暫停藍色框框選的部分就是我們要標注的內容了標注信息，默認選擇為第一個選項：第一項：判斷是否為無效語音TOC\o"1-5"\h\z1只含有噪聲或者靜音，則標注為無效語音。I2只有一個字的“嗯、啊、為”等等，標為無效語音。3如果一個人唱歌，則標注為有無效語音。|■■聽不清，聽不懂，聽不明白的，|就標無效，不要瞎猜。保證標有效的語音■■寫出的文本是清晰的、無歧義的。確定不了就F5刷新，但是注意無效的比例控制在15%左右，不要超過90%的有效數據，讓公司一看就是刷F5出的數據。質檢判罰尺度在標注無效數據時，除非這條語音是明顯有效的，你標成無效算錯，如果這條語音可有效也可無效，你標記成無效，質檢不能判錯。這些無效數據的共性是文本不清晰，有歧義，文本是死扣出來的。不要為了文本標注有語義，硬猜去寫文本。標成有效可能會錯；標成無效，質檢不能判錯。第二項：噪音：☆☆☆耳朵所能聽到的文本【也就是當前說話人】以外的聲音標注為有噪音。說話以外的聲音包括咳嗽聲，打噴嚏，噴麥。背景人說話，汽笛聲、能聽到我們就標注為噪音，反之安靜。第四項：語音內容；（文本）不要一味去依賴編輯好的文本，寫出的內容與音頻完全一致，并且有語意有邏輯。不單單是音的羅列。不能多字、少字、錯字。央文結巴，語氣口語詞諸如嗯啊呀這些照錄?！疽宦蓭Э谧诌?，嗯啊呀喂哦。?！俊睂懗删栨I“*”寫星號鍵。沒有阿拉伯數字，數字以漢字形式，如“一二三”，而不是“邏輯。不單單是音的羅列。不能多字、少字、錯字。央文結巴，語氣口語詞諸如嗯啊呀這些照錄?！疽宦蓭Э谧诌?，嗯啊呀喂哦。?！俊睂懗删栨I“*”寫星號鍵。沒有阿拉伯數字，數字以漢字形式，如“一二三”，而不是“123”。注意區(qū)分“一”和“幺”?！岸焙汀皟伞薄?地名，古詩詞，名人名字這些不能用同音字代替。沒有正常的邏輯思維能力也要有常識，沒有常識的問度娘。不行就|5刷新!全角wifi半角wifi第五項：性別能聽出是兒童的標為“兒童”。男就是男，女就是女，分不清性別的標男或女都行。第六項:口音☆☆☆發(fā)音不標準的普通話，跟標的這個字的字典發(fā)音不同，就標記口音。因為地域不同而造成的普通話的差異不算口音，如同兒化音不算口音只因北方人說話都是差不多調調。標注結束后，點擊“標注提交”即可工作量查詢＞點擊右上角查詢，將會出現工作量查詢頁面查詢起始時間是2015年5月1號至表單日期止為了方便區(qū)分檢查，把“有效語音”和“無效語音”顯示成黑色和紅色。Ctrl+f可通過搜索speech時間或者speechid來找到相應的條目。注意表單speech日期時間會隨著修改重置，speechid是最準確的語音終身編號，搜索不會出錯。標注員可以對