数据标注工作汇报.docx

《数据标注工作汇报.docx》由会员分享，可在线阅读，更多相关《数据标注工作汇报.docx（10页珍藏版）》请在课桌文档上搜索。

1、数据标注工作汇报什么是数据标注？当前，以互联网、大数据、人工智能 为代表的新一代信息技术日新月异。人工智能在去年、今年 两度被写入政府工作报告。产业勃兴，数据标注员因此成为新兴职业。多名业内人 士告诉记者，目前国内至少有大小近千家标注公司，共20 余万名数据标注员。其实大部份的工作内容很简单的，就是听听语音然后把 提示字幕修改一下，或者看一张图片，把里面文字也打出来， 这是我们做数据标注往往做的事，只要有电脑，就可以随时 随地的去做任务，如果有想深入了解请加微信 TYY1999-06-06第2客服录音数据标注规范（完整版）客服录音数据标注 规范（完整版）用谷歌浏览器（至少32.0以上版本）来标

2、注。其他浏 览器或者低版本谷歌浏览器可能浮现部份文件播放不了的 问题。质量要求：文字错误率：3%以内注：文字错误率指语音内容标注错误，只要有一个字 错，该条语音就算错。其他错误率：5%以内注：综合错误率指：除了语音内容以外的其他标注项 错误，只要有一项错，该条语音就算错。客服语音内容说明：都是鲜百味公司和客户的电话语音，公司主营业务是卖 海鲜，所以大部份内容都是关于海鲜（如大闸蟹）的购买、 礼品券、配送等方面。1 .当前语音是否包含有效语音无效语音（即不包含有效语音）的类型：文件播放不了；音频全部是静音或者噪音；许多地方听不清或者听不懂，例如，方言太重、噪音 太大、音量过低等。 两个人同时说话

3、超过3个字（包括3 个字）并且听内容不清晰的或者噪音声音盖住说话人声大于 3个字（包括3个字）导致内容听不清晰的2 .当前语音的噪声情况如果能听到明显的噪音（噪音指说话人正常说话外的其 他声音），则选择“含噪音”，否则选“肃静”。常见噪音举例（但不限以下）：其他人说话声背景音乐声动物叫声汽车滴滴声咳嗽声明显的电流声3 .说话人数量（即标注的语音内容是几个人说的）一人说话（主体说话人）：惟独一个人说话多人说话：有多个人说话（因为是客服语音，普通是 两个人）4 .说话人性别如果有多个人说话，则标第一个说话人的性别。标注项：男女5 .是否包含口音如果有多个人说话，则标第一个说话人是否有口音。标注项：

4、否：无口音是：有口音有口音是指说话人发音的拼音或者声调和正确发音 的不一致。常见情形包括：1和n不分，h和f不分，n和ng不分，e和uo 不分，先后鼻音，平翘舌，以及其他情况。6 .语音内容如果两个人同时说话，以主体说话人声音大的为准来转 写文字。如果一条语音中，低于3个字有两个人同时说话，并听 不清晰的，将听不清的部份用 d ”表示。如果一条语音中，低于3个字部份噪音太大，盖住说话 人声音导致听不清的，将听不清的部份用表示。文字转写具体要求：语音内容必须和听到的语音彻底一致，不能多字、少 字、错字。阿拉伯数字要写成汉字形式，如“一二三”，而不是“123” o注意区分“一”和“幺”。“二”和“

5、两”语气词：音频中说话人清晰地讲出的语气词，如“呃 啊嗯哦唉呐”等，要按照正确发音进行转写。语气词除了 “了不”没 有口字旁，其他基本上都有口字旁。转写内容的完整性要与实际发音一致，不得删减；如发音为：我是北北京人；“北”字有重复现象，那 转写的时候要写成：我是北，北京人。英文比较复杂，转写的原则是：按字母读的情况（如 缩写词，网址等）一律大写，按词读的则小写，例如“APPLE”表示用户 是逐个字母念的，“apple”表示用户按单词念的。明显的儿化音必须标注出来第3轻松标注Excel表格中的无效数据轻松标注Excel 表格中的无效数据校对数据是我们在日常办公中时常要做的工作，对于含 有大量数据

6、的表格，如何快速找到无效的录入数据、提高我 们校对的效率是不少朋友急于想了解的，今天我教大家两招 我出来的心得，希翼对大家有所启示。图1为单位第一季度 的加班统计表，领导让会计室小卜统计出来好计发加班费以 调动职工的积极性，小卜花了一晚上时间终于把全厂2000 多名职工的加工统计表搞出来了，实在累得够俄，再也没有 精力校对了。他让我想想办法能不能把超出范围的错误数据 快速找出来，由于单位规定，每人每月的加班时间不得超过 90小时（出于职工的健康着想），我给他介绍了下面的两种 办法：图1L使用条件格式选中表格中的数据区域（从C列到F列），单击“格式” 菜单中的“条件格式”命令，在弹出的“条件格式

7、”的对话 框的“条件1”列表中选择“公式”，在其右侧的文本框中输 入公式Jor（CI90）”（如图2）,单击“格式”按钮，此时弹 出“单元格格式”对话框，切换到“字体”选项卡，将文字 “颜色”选择为“红色”，完成设置后挨次单击“确定”按 钮返回到数据表格中，浏览一下表格，是不是看到超出范围 的数字已经被标注了红颜色，这样改起来就方便多了。图22.利用数据有效性圈释无效数据普通情况下，在录入数据之前设置数据的有效性可避免 录入超出指定范围的非常规数据，但数据录入完成后设置数 据的有效性有什么作用呢？通过下面的介绍大家就会明白 了。选中表格中需要设置有效性的数据区域，单击“数据” 菜单中的“有效性

8、”命令，弹出“数据有效性”对话框，切 换到“设置”选项卡，按图3所示进行相应的设置，单击“确 定”按钮返回数据表中（此时表格的数据中看不到有什么变 化）。图3右击工具栏打开“公式审核”工具栏，单击工具栏中的 “圈释无效数据”按钮，此时我们会发现表格中的无效数据 都被清清晰楚地标注出来了（如图4） o图4Cico提示：以上两种方法都可以轻松地标注表格中的无 效数据，这些无效数据只要修改到指定的范围内，标注就会 同时被取销，不会影响数据的分析和打印。第4如何运营一家数据标注公司资源特点篇如何运营一 家数据标注公司（资源特点篇）在“基础架构篇”中我们提到的资源，也就是数据标注 公司要面对的甲方：AI

9、公司、AI企业、AI研究所。那末问 题来了，人工智能公司、人工智能企业、人工智能研究所多 种多样，作为一个数据标注公司应该如何定义自己的服务方 向呢？首先我们要能够准确的了解资源公司的特点，这样才干 更好的为其提供符合自身特点的服务。目前市场上的Al公司、AI企业、AI研究所大致分为以 下几种，对于与数据标注公司的合作来说他们各有各的优势 和劣势，这里对以下突出的几类进行分析：1 .初创型这里指的初创型公司普通指未进行过阶段融 资的初次创业型公司。优势：a）沟通成本低初创型公司的核心创始人普通都是公司 的核心技术人员，所以他们对数据标注的结果有清晰的需求认知，能够清晰严谨的表述 出需要标注数据

10、的规则，数据标注公司与此类资源公司在沟 通上比较简单，能够快速的直入主题，迅速建立供需关系， 省去冗长的上报、各级的批复等沟通环节。b）结算时间快这 类资源公司本身公司架构也相对简单，对于标注完成后的结 款时间相对也较短。劣势：a）需求联贯性不强因为初创型公司不少没有稳定的甲 方，同时公司在同一时期对接的甲方数量并非一定的，有 可能在某个月中会有不少，同样也可能一个没有。这就导致 了在数据的需求联贯性上并非很强。b）标注需求量不大在与甲方沟通合作的路上，展示型项 目产品并不需要大量数据的验证。更多时候都是以小批量数 据进行产品的小样展示，因为初创公司也要考虑项目的成功 率和标注成本之间的关系。

11、2 .企业型这里指已经形成一定规模的人工智能企业，同 时可能已经获得多轮融资。优势：a）数据联贯性强这里指的一定规模的人工智能企业可 能已是市场上第一梯队的领跑者，因为有成熟的产品和合作对象，其在产品需要进行迭代和研发关联产品时是需要大 量标注数据作为模型训练的。同时因为其在业界的影响力， 与新的需求商进行合作时的成单率也要远高于初创AI公司。b）数据价值高因为大型公司需要综合保密、质量、工期 等多方面因素，同时因为已经与需求公司建立了正式的合作 关系，此类型的AI公司在提供的数据标注单价上是要略高 于初创型企业。劣势：a）结算周期长因为此类公司的结构相对复杂，同时结构 越复杂的公司其对于支出

12、资金的流程也越谨慎，这种谨慎就 会导致合同内的结款周期远远高于初创型企业。b）沟通成本 高因为此类公司的架构相对复杂，普通一个项目的启动流程 是“算法团队将需求提供给项目经理，项目经理联系数据标 注公司试标-数据标注公司试标完毕反馈-项目经理检查并 反馈给算法团队”。这其中就避免不了多人传达规则时浮现 的含糊情况，需要大量的时间进行沟通和验证。同时在项目 启动时的流程也相对复杂，不仅需要算法确认规则，需要财 务确认支付方式，需要法务进行合同审核，需要项目主管领 导批准，这些都会使数据标注公司的沟通成本大大增加。3 .科研型这里指各类政府、大学等行政事业单位的科研 部门。优势：a）结算时间短普通

13、的科技机构的审批方式都是先进行 项目报备，在项目报备通过的时候其实这部份的项目资金就 已经预留出来了，只要数据标注公司能够按时按量的完成项 目内容同时提供合同内规定的相关发票，就可以顺利结算。b）沟通成本低普通的科研机构都是由项目负责导师指 定联系人进行与数据标注公司的沟通，同时被指定人普通也 都是项目的参预人，所以在规则的制定上更为清晰，与初创 公司一样，能够快速的进入主题，大大节省了数据标注公司 在沟通方面所花费的时间。劣势：a）数据联贯性不强因为此 类科研所的项目基本都是阶段性的，一类产品上线后，相关 产品再进行上线需要周期。b）找寻成本高因为科研机构的特殊性，在市场上很难准 确就定位到

14、需求部门，在众多部门中确立需求部门并与之建 立起合作关系是需要耗费大量的时间和精力。4 .综合型向Al化转型的各类传统行业企业。优势：a）数据联贯性强因为涉及传统生产的转型，该类企业一 般都有独立的AI产品研发组，同时因为此类公司本身的体 量和市场占有率，会使其对于需要转型的领域和需求产品更 为宽泛。b）数据量大因为AI转型除了成熟的技术支撑之外，最 重要的就是时间，越快将生产结合AI的企业，其市场竞争 力也就越明显。而如何能让计算机快速的进行训练呢？除了 算法团队的技术支撑，剩下的就是给计算机提供大量的符合 模型识别的标注数据。劣势：a）结算周期长和企业型公司性质相同，由于庞大的内部 结构，

15、项目资金的结款周期相较于初创型公司和研究所会大 大增长。b）工期紧张因为有转型这个宏观任务，所以普通此类企 业都对转型项目的落地时间有明确的规定，说简单一些就是 工期紧、任务重。由于这种特点，数据标注公司在承接此类 公司的项目时，需要有大量的人手进行数据标注，这对于公 司本身的管理无疑也是巨大的挑战。本文所说的每种公司都 有各自的渠道获取特点，请持续关注博客，我们会在接下来 更新更多的相关内容。第5入库数据清理清查工作汇报2022年入库数据清理 清查工作汇报根据省、市、区文件要求，将全员人口数据清理清查工 作作为当前重点工作来抓，解放思想，放下包袱，深入、彻 底地开展入库数据清理清查，特殊是历

16、年（含当年）漏报、 错报、瞒报人口出生数、“四术”数、查环查孕数、社会抚 养费征收数等，全面录入系统。现将这项工作总计如下：一、领导高度重视为了确保清理清查工作取得实效，我街道成为了以街道 分 管领导XXX任组长，相关人员为成员的“人口计生统计 数据核实清查”活动领导小组，领导小组在计生科下设办 公室，具体负责监督及统筹管理全员人口信息系统数据质 量检查、信息采集和录入等工作。领导小组由街道分管领 导陈伟元主持召开了协调会议，进一步明确了科室人员分 片包干的社区工作站，根据我街道实际分为3个清理清查 工作小组，整合了社区工作站各种资源，为清理清查的顺 利进行提供了组织 和队伍保障。二、突出重点

17、、深化措施，确保流动人口清理清查质量 流动人口管理是计划生育工作的重点，也是难点，因此开展 集中性清理清查是流动人口计划生育管理和服务的一种手 段，目的是通过清理建立准确、详细的台账，摸清流动人口 底子，调查他们的需求，为进一步开展“属地化管理、市民 化服务”打好基础。在清理时，我们采取统一领导、统一时 间、统一登记、统一管理的方法，按照宣传培训、清理清查、 回访复查、建档利卡录入汇总，调查处理五个阶段，对城区 流动人口进行了全面的清理清查、摸底建档，完善管理，清 除管理“空挡”和“死角”，主攻管理的薄弱环节，为城区 的流动人口管理与服务走上了时常化、制度化、规范化的管 理轨道奠定了坚实基础。