Разметка текста для NLP и машинного обучения
NER, классификация, тональность, интенты и реляции для NLP-моделей — а также разметка инструкций и оценка ответов для дообучения LLM. Accuracy подтверждаем на пилоте, данные хранятся в РФ. Первую партию размечаем бесплатно.
Какие типы разметки текста мы делаем?
Мы закрываем весь спектр задач NLP — от выделения именованных сущностей до подготовки инструкций для дообучения языковых моделей. Ниже основные типы разметки; под вашу задачу подберём таксономию классов, язык и формат выгрузки, чтобы данные были готовы к обучению без доработки.
NER-разметка
Выделение имён, организаций, дат, адресов и других сущностей в тексте.
Классификация текста
Категоризация документов, отзывов и обращений по заданным классам.
Разметка тональности
Sentiment-анализ: позитив, негатив, нейтрально — по тексту целиком или по аспектам.
Разметка интентов
Определение намерения пользователя для диалоговых систем и чат-ботов.
Разметка реляций
Связи между сущностями в тексте — кто с кем и в каком отношении.
Оценка суммаризации
Разметка качества автоматических пересказов и извлекающих summary.
Разметка для LLM
Инструкции, эталонные ответы и рубрики оценки для дообучения языковых моделей.
Разметка диалогов
Аннотация реплик, ролей и структуры диалогов для NLU-моделей.
Как проходит проект разметки текста?
Процесс занимает от нескольких дней. Мы начинаем с бесплатного пилота на тестовой выборке текстов, чтобы согласовать таксономию классов, гайдлайн разметки и метрики качества ещё до старта основного объёма — так вы не платите за «пристрелку» инструкции для команды.
В каких форматах и инструментах?
Отдаём разметку в любом формате под ваш пайплайн обучения — JSON, CoNLL, CSV или BRAT — и работаем в проверенных инструментах для NLP-аннотации: Label Studio, Prodigy, Doccano, — или в вашей собственной среде, если она уже настроена под конкретную задачу и таксономию классов.
Как мы гарантируем качество разметки текста?
Качество разметки текста — численный показатель, а не декларация. Мы измеряем согласованность аннотаторов и accuracy на контрольной выборке, закрепляем целевые метрики в SLA и подтверждаем их отчётом по итогам каждого этапа проекта, включая проверку спорных сущностей и границ классов.
Перекрёстная проверка
Каждую выборку текстов проверяет отдельный QA-лингвист.
Консенсус разметчиков
Спорные сущности и границы классов размечают несколько человек.
Метрика IAA
Считаем согласованность аннотаторов (Kappa) на контрольной выборке.
SLA по точности
Целевая accuracy разметки закрепляется договором.
Данные в РФ
Хранение и обработка на инфраструктуре РФ, 152-ФЗ, ISO 27001.
Прозрачный отчёт
По итогам — отчёт по метрикам качества и объёму разметки.
Сколько стоит разметка текста?
Стоимость начинается от 15 000 ₽ за 1000 размеченных единиц простой классификации или от 320 ₽ за час работы лингвиста на сложных задачах — NER, реляции, разметка для LLM. Итог зависит от языка, таксономии классов и требуемой точности. Точную смету дадим после пилота.
Для каких отраслей размечаем текст?
Разметка текста нужна там, где важно автоматически распознавать сущности, классифицировать обращения клиентов или обучать диалоговые системы и корпоративные языковые модели. Разберём специфику вашей отрасли, язык, жаргон и терминологию на брифе, согласуем примеры спорных случаев и подберём таксономию классов под задачу.
Пример проекта
NER и классификация обращений для финтех-компании
Разметили 200 000 текстовых обращений (NER: сущности + классификация по 18 категориям) за 3 недели. Accuracy классификации — 97.8%, выгрузка в формате JSON. Модель заказчика сократила время маршрутизации обращений на 30%.
Ключевые факты
Частые вопросы о разметке текста
Сколько стоит разметка текста?
От 15 000 ₽ за 1000 единиц простой классификации или от 320 ₽ за час работы лингвиста на сложных задачах вроде NER и реляций. Итог зависит от языка и таксономии классов. Точную смету даём после бесплатного пилота.
Что такое NER-разметка?
NER (Named Entity Recognition) — выделение в тексте именованных сущностей: имён людей, организаций, дат, адресов, денежных сумм и других категорий. Используется для поиска, извлечения информации и обучения диалоговых систем.
Чем классификация текста отличается от разметки тональности?
Классификация относит текст к одной или нескольким категориям (тема, тип обращения). Разметка тональности (sentiment) определяет эмоциональную окраску — позитив, негатив, нейтрально — и может выполняться отдельно или как один из классов.
В каких форматах вы отдаёте разметку текста?
JSON, CoNLL, CSV, BRAT, spaCy JSON или любой формат под ваш пайплайн обучения NLP-модели. Формат и структуру полей согласуем на этапе брифа до старта работ.
Делаете ли разметку данных для дообучения LLM?
Да. Готовим инструкции, эталонные ответы и рубрики оценки для SFT и RLHF языковых моделей — эта задача идёт на стыке классической NLP-разметки и подготовки данных для LLM, подробности на странице /llm-rag/.
Разметим вашу тестовую выборку текстов бесплатно
Пришлите пример текстов и опишите задачу — вернёмся с гайдлайном, сроком и сметой в течение 1 рабочего дня.
Оставить заявку на пилот