Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Beispiel für eine einfache Aufgabe
Das folgende Beispiel zeigt, wie eine einfache Aufgabe für die Tweet-Analyse konfiguriert wird. Alle Aufgaben beginnen und enden mit den <crowd-form> </crowd-form>-Elementen. Wie bei HTML <form> Standardelementen sollte Ihr gesamter Formularcode dazwischen liegen.
Für eine einfache Tweet-Analyseaufgabe verwenden Sie das <crowd-classifier>-Element. Es erfordert die folgenden Attribute:
name (Name) – der Variablenname für das Ergebnis in der Formularausgabe.
Kategorien — ein JSON formatiertes Array der möglichen Antworten.
header (Header) – ein Titel für das Anmerkungstool.
Als untergeordnetes Element des <crowd-classifier>-Elements müssen Sie drei Regionen haben.
<classification-target> – der Text, den der Worker basierend auf den Optionen klassifiziert, die im
categories-Attribut oben angegeben wurden.<full-instructions> – Anweisungen, die über den "View full instructions (Vollständige Anweisungen anzeigen)"-Link im Tool verfügbar sind. Dies kann leer bleiben, aber es wird empfohlen, dass Sie gute Anweisungen geben, um bessere Ergebnisse zu erzielen.
<short-instructions> – eine kurze Beschreibung der Aufgabe, die in der Seitenleiste des Tools angezeigt wird. Dies kann leer bleiben, aber es wird empfohlen, dass Sie gute Anweisungen geben, um bessere Ergebnisse zu erzielen.
Eine einfache Version dieses Tools würde wie folgt aussehen.
Beispiel Verwendung von crowd-classifier
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script> <crowd-form> <crowd-classifier name="tweetFeeling" categories="['positive','negative','neutral', 'unclear']" header="Which term best describes this tweet?" > <classification-target> My favorite football team won today! Bring on the division finals! </classification-target> <full-instructions header="Sentiment Analysis Instructions"> Try to determine the sentiment the author of the tweet is trying to express. If none seem to match, choose "cannot determine." </full-instructions> <short-instructions> Pick the term best describing the sentiment of the tweet. </short-instructions> </crowd-classifier> </crowd-form>
Sie können den Code kopieren und in den Editor des Workflows zur Erstellung von Ground Truth Labeling-Jobs einfügen, um eine Vorschau des Tools anzuzeigen, oder eine Demo dieses Codes ausprobieren CodePen.
