项目介绍
- 项目名称：文本中实体和关系在线标注系统
- 项目简介：
- 实现一个互联网上面向特定领域的专业知识文本中知识的提取系统，对给定的专业书籍文本，对文本中的专有名词术语（实体）和不同术语指代对象之间关系进行标注，构建专业领域的知识图谱，同时也可以作为机器学习的训练数据来使用。
- 支持多用户协同标注，能够记录每个标注数据的来源并同步更新；支持对标注的文本对应的实体进行链接，通过图形化的界面对标注结果进行展现，并支持双向的定位。
NABCD
-
Need
对于学生来说，在阅读一些专业书籍时常常会遇到这样的问题：总是记不住一些术语的概念，在碰到这些术语时总要翻回前面的章节查看；或者嫌麻烦，直接掏出手机百度相关术语。这时候我们需要一张知识图谱来帮助我们理解这些概念，但对于初学者，构建知识图谱是不是显得有点困难？
在期末复习时，我们通常会这样做：复习一遍课本内容并手写一份思维导图来巩固记忆。但是手写思维导图也有很大的局限性：很难修改，为了设计出一份清晰美观的知识图谱往往会花费我们很大的精力。
老师在授课时也会遇到这样的问题：想在PPT上展示相关的知识结构，但相关的专业知识体系很大，在思维导图中一项一项画起来实在很麻烦。
总结起来：知识图谱太难做了！
所以，我们需要一款应用可以帮助我们轻松地生成知识图谱。
-
Approach
- 使用Python的Djano框架实现应用的主体
- 使用JavaScript的Echart图表库完成标注结果的图形展示
-
Benefit
项目在功能上能为用户提供的便利：
- 支持直接在文本中点击查看术语的释义，提供流畅的阅读体验。
- 可以在文本中直接标记术语，并有图形化界面展示标注的结果。一键生成你的知识图谱，省心省力。
- 支持多用户协同标注，当面对大规模文本时，可以有效提高工作效率。
相较于手写知识图谱和office思维导图的优势：
-
只需要将文本导入应用，使用方便。
-
生成的知识图谱可以自行拖动，设计出你想要的模样。
-
Competitors
-
Chinese-Annotator（Git地址）
在该项目的介绍中，这个项目采用NLP实现一个主动学习的智能标注算法，能够实现文本的自动标注。这个项目在2017年就已经立项，现在仍然没有一个完整的结果。
-
IEPY（Git地址）
IEPY是也是一个主动学习的信息抽取和关系抽取工具。整个工程比较完整，有用户管理系统。前端略重，对用户不是非常友好。
-
BRAT（Git地址）
brat is a web-based tool for text annotation; that is, for adding notes to existing text documents.
brat特别设计用于结构化 的注释，其中注释不是自由格式的文本，而是具有可以由计算机自动处理和解释的固定格式。
目前已有的文本标注工具大多是基于NLP的主动学习工具，这些工具在功能上都更加偏向为机器学习服务的文本标注。我们也没有发现目的为建立知识图谱的文本标注工具，在这一点上，我们的项目有很大的优势。
-
-
Delivery
- 通过各大高校的官方公众号推荐，向学生展示一款全新的知识图谱构建应用。
- 在CSDN、CNblog等技术论坛宣传。
用户量估计
-
在哪里发布软件，估计发布后一周的用户量（精确到百）。
由于在线多用户操作的特性，我们打算制作成一个网站，线上发布。
由于目标用户基本上是大学生，考虑到项目发布时间基本与考期吻合，考期中学生可能并没有精力取尝试新软件，所以首周用户量乐观估计为100人。