Brat数据标注实战指南：从零搭建高效标注系统

1次阅读

共计 1921 个字符，预计需要花费 5 分钟才能阅读完成。

在 NLP 项目中，高质量的数据标注是模型效果的基础保障。Brat 作为老牌标注工具，具有以下不可替代的优势：

支持复杂的结构化标注（实体、关系、事件）
开源免费且支持本地化部署
可视化界面友好，支持实时协作

但新手常面临三大痛点：

环境配置复杂（需要 Apache+CGI 配置）
批量处理能力弱
缺乏团队协作规范

工具	优点	缺点
Brat	支持复杂标注结构，开源	配置复杂，缺乏现代 UI
Prodigy	交互式标注，主动学习	商业软件价格昂贵
LabelStudio	现代化界面，多模态支持	复杂标注配置困难

对于需要精细标注的 NLP 研究项目，Brat 仍是性价比最高的选择。

通过 Docker-Compose 一键部署，避免环境配置噩梦：

version: '3'
services:
  brat:
    image: cassj/brat
    ports:
      - "8080:80"  # 映射到宿主机的 8080 端口
    volumes:
      - ./config:/brat/config  # 挂载配置文件
      - ./data:/brat/data      # 挂载标注数据
    environment:
      - BRAT_USERNAME=admin
      - BRAT_PASSWORD=123456
      - BRAT_EMAIL=admin@example.com

关键参数说明：

/data目录需要提前设置 777 权限
首次启动会自动生成 config.py
建议通过 Nginx 配置 HTTPS 加密

使用 Python 实现 .ann 与.txt的批量校验：

import os
from pathlib import Path

def validate_brat_files(data_dir):
    """校验成对的 txt 和 ann 文件"""
    errors = []
    for txt_file in Path(data_dir).glob('*.txt'):
        ann_file = txt_file.with_suffix('.ann')
        if not ann_file.exists():
            errors.append(f'Missing annotation: {txt_file.name}')
            continue

        with open(txt_file, 'r', encoding='utf-8') as f:
            text = f.read()
        with open(ann_file, 'r', encoding='utf-8') as f:
            anns = f.readlines()

        # 校验标注 ID 连续性
        ids = [int(line.split('\t')[0][1:]) for line in anns 
               if line.startswith('T')]
        if ids and ids != list(range(1, max(ids)+1)):
            errors.append(f'ID discontinuity in {ann_file.name}')

    return errors

通过 Apache 的 Basic Auth 实现权限控制：

<Directory "/brat/data">
    AuthType Basic
    AuthName "Brat Annotation"
    AuthUserFile /etc/apache2/.htpasswd
    Require valid-user

    # 按目录设置不同权限
    <Files "project1/*">
        Require user admin reviewer1
    </Files>
</Directory>

操作步骤：

使用 htpasswd 创建用户
将不同项目分配到不同目录
设置用户组权限

通过 Nginx 缓存提升加载速度：

server {location ~ \.(txt|ann)$ {
        expires 1h;
        add_header Cache-Control "public";
    }

    location / {
        proxy_pass http://brat:80;
        proxy_set_header Host $host;
    }
}

实测可降低 50% 以上的重复请求延迟。