brat数据标注工具：从原理到实战的高效标注指南

1次阅读

没有评论

共计 2019 个字符，预计需要花费 6 分钟才能阅读完成。

在 NLP 项目中，数据标注是构建高质量模型的基础环节。但传统标注方式存在几个明显痛点：

标注效率低下：人工标注速度慢，特别是对复杂实体关系标注时
格式不统一：不同标注员使用的标注标准不一致，导致后续处理困难
协作困难：多人协作标注时难以统一进度和管理版本
转换成本高：标注结果需要转换成模型训练格式，中间过程容易出错

目前市面上主要有三类标注工具，各有优劣：

商业工具(如 Prodigy)
优点：用户界面友好，内置智能标注功能
缺点：价格昂贵，定制化能力有限
通用标注平台(如 Label Studio)
优点：支持多种数据类型，社区活跃
缺点：配置复杂，对 NLP 专项支持不足
专业 NLP 工具(brat)
优点：专注文本标注，支持复杂关系标注
缺点：学习曲线较陡，需要一定技术基础

brat 运行需要 Python 环境和 web 服务器支持。推荐使用 Linux 系统，以下是最简安装步骤：

安装依赖

sudo apt-get install apache2 libapache2-mod-python

下载 brat

wget http://weaver.nlplab.org/~brat/releases/brat-v1.3_Crunchy_Frog.tar.gz
tar xzf brat-v1.3_Crunchy_Frog.tar.gz

配置 Apache

Alias /brat /path/to/brat
<Directory /path/to/brat>
    Options Indexes FollowSymLinks
    AllowOverride Options
    Order allow,deny
    allow from all
</Directory>

brat 使用文件系统管理权限，需要特别注意：

确保 data 目录可写
每个项目单独建立子目录
通过 config.py 配置用户权限

brat 的标注能力通过配置文件定义，主要涉及三类文件：

annotation.conf – 定义实体类型和关系

[entities]
PERSON
LOCATION

[relations]
WORK_FOR Arg1:PERSON, Arg2:ORGANIZATION

visual.conf – 控制显示样式
```
[labels]
PERSON | 人物 | bg:red
```
tools.conf – 配置标注快捷键

使用 Python 脚本批量准备待标注文本：

import os

def prepare_texts(text_dir, output_dir):
    for filename in os.listdir(text_dir):
        with open(f"{text_dir}/{filename}") as f:
            text = f.read()

        # 生成 brat 格式的.txt 和.ann 文件
        base = os.path.splitext(filename)[0]
        with open(f"{output_dir}/{base}.txt", 'w') as f:
            f.write(text)
        open(f"{output_dir}/{base}.ann", 'a').close()

将 brat 标注转换为 BIO 格式：

def brat_to_bio(ann_file):
    entities = []
    with open(ann_file) as f:
        for line in f:
            if line.startswith('T'):  # 实体标注行
                parts = line.split('\t')
                ent_id, ent_info = parts[0], parts[1]
                ent_type, start, end = ent_info.split()
                entities.append((int(start), int(end), ent_type))

    # 按位置排序
    entities.sort()
    return entities