结构化数据解析 on 据吉文档

自由格式元数据 (Freeform Metadata)

Mon, 20 Apr 2026 08:00:00 +0000

自由格式元数据使用说明

可以理解为「先读一段固定正文，再在下方表格里按行填写与正文相关的名称与取值」。例如影评场景中，从正文中归纳多位评论者及其评分，人工录入或修正「姓名—分数」对，便于构建键值对齐原文的监督数据。

标注核心作用

Text 展示 $text，作为判断与填写的依据，通常不参与编辑；
多组 TextArea 以 grid 排成两列，左列名称、右列值，结构清晰；
toName="text" 将每个输入区与正文对象关联，导出时便于与同一任务对齐（具体以平台导出格式为准）。

基础操作步骤

阅读顶部正文，明确需要抽取的实体或属性类型；
在下方「名称」「值」成对输入框中填写或修改内容；可从正文复制或凭规范手写；
若平台支持删除行，可通过行旁操作清理无效行后再提交；
自检行数、格式与任务规范一致后提交。

说明：截图中①②示意首行「名称」与「值」输入区与影评人、分数的对应关系。

注意事项

editable="true" 表示字段可编辑；maxSubmissions="1" 限制单字段提交条数，可按业务调整；
Style 中针对 input[name^="table"] 等选择器用于微调边框与区域高度，若类名或 name 前缀与平台实际 DOM 不一致可能不生效，需按界面审查后修改；
样式块中的 table_metric 规则仅在存在对应 name 前缀的输入时有效，与当前 table_name_* / table_value_* 不一致时可删除或改写；
行数固定为三组时，空行导出策略以平台为准；若需动态增减行，需扩展配置或使用支持动态列表的组件。

模板预览

HTML 实体识别 (HTML Entity Recognition)

Mon, 20 Apr 2026 08:00:00 +0000

HTML 实体识别使用说明

可以理解为「把一条样本里的 HTML 渲染成可读正文，再按项目定义的实体类型（如标题、作者、正文）框选或修正片段」。例如论坛帖、工单或文章页场景中，从已带 header-tag、author-tag 等类名的 DOM 结构出发，人工确认或补全实体边界，便于构建网页级序列标注与抽取评测数据。

标注核心作用

HyperText 将 $shtml 中的 HTML 渲染为可交互文本层，支持在可见内容上直接划选；
HyperTextLabels 提供多类实体标签及颜色，通常配合快捷键（如 1 / 2 / 3）加速标注；
导出结果可与源 HTML 偏移或平台内部索引对齐，便于与预标注流水线、后处理脚本衔接。

基础操作步骤

阅读任务说明，明确「标题」「作者」「正文」等业务含义与边界规则；
在顶部选择实体类型的标签；
在正文区域框选对应片段；若存在预上色或预框，仅做核对与修正。

PDF 分类 (PDF Classification)

Wed, 15 Apr 2026 08:00:00 +0000

PDF 分类使用说明

可以理解为「先在阅读器中通读或扫读 PDF 正文，按项目标准选择最贴切的文章类型；最后依据规范给出星级评分」。例如范文库场景中区分「重要文章 / 新闻政要 / 高考范文」，并辅以 1–10 星表示推荐度或写作质量。它适合报刊归档、教辅筛选、内容安全分级等整篇文档级标注。

标注核心作用

Pdf 内嵌阅读器，减少外链打开与格式错乱；
Rating 与 Choices 均绑定 pdf 对象，导出时与同一任务对齐；
单选类别与量表组合，兼顾粗粒度标签与细粒度排序信号。

基础操作步骤

在 PDF 阅读器中阅读全文，可通过工具栏进行缩放、检索、高光等操作（具体以平台提供的工具为准），便于核对正文；
在「重要文章」「新闻政要」「高考范文」中选择与文章最相符的类型；
选定类型后，再按规范点选星级完成评分；
自检是否与规范一致后提交。

表格数据 (Tabular Data)

Wed, 15 Apr 2026 08:00:00 +0000

表格数据使用说明

可以理解为「把一条样本里的键值关系打成表格，让人一眼核对名称与类别是否匹配」。例如人事名单场景中，检查「姓名—岗位」是否与源文档或常识一致，再整表标记正确或错误。它适合 OCR/抽取后质检、知识对齐、规则校验等表级标注。

标注核心作用

Table 以 valueType="json" 将对象渲染为行，键、值分列展示；
Choices 通过 toName="table" 绑定整张表，导出时与同一对象对齐；
二元标签简单明确，易于统计准确率与误拒/误收。

基础操作步骤

阅读顶部说明，明确「正确」与「错误」的判定标准；
逐行核对表格中的名称与类别（或项目定义的两列含义）；
若任一行不符合规范，通常选「错误」；全部符合则选「正确」。

说明：截图中①②示意说明文案与选项。

注意事项

data.item 须为 JSON 对象；键名会作为第一列、值为第二列（列标题以平台默认或配置为准）；
若需逐行纠错或编辑单元格，需扩展为可编辑表格或拆分为多条子任务；
「正确 / 错误」文案与映射变更时，请同步培训材料与下游评测脚本；
大对象或深层嵌套 JSON 可能不适合单表展示，宜在入库前扁平化或截断字段。