人工智能 数据标注标准总体框架

1DB14/TXXXXX—20XX人工智能数据标注标准总体框架本标准规定了机器学习中数据标注标准的总体框架、子标准及其定义、基本原则、基本要求和内容。本标准适用于人工智能研究、开发、应用中需要进行数据标注标准化管理的有关机构。其他行业可参照执行。2规范性引用文件下列文件中的条款通过本标准的引用而成为本标准的条款。凡是注日期的引用文件，其随后所有的修改单（不包括勘误的内容）或修订版均不适用于本标准，然而，鼓励根据本标准达成协议的各方研究是否可使用这些文件的最新版本。凡是不注日期的引用文件，其最新版本适用于本标准。3术语和定义下列术语和定义适用于本文件。3.1数据本标准中的数据是指数字化的语音、文字、视频、图像信息。3.2数据标注数据标注是指在人工智能领域，为了满足算法研究和测试的需要，对初始数据按照一定要求进行人工处理，转化为算法所需的机器可识别信息的工作过程。3.3数据标注任务数据标注任务是按照需方要求或者合同、约定，在特定的时间、成本、质量要求下完成特定初始数据的标注。3.4数据标注工具数据标注工具是数据标注中具有管理、标注、质量控制、验收等部分功能或全部功能的软件统称。2DB14/TXXXXX—20XX3.5数据标注规则数据标注规则是数据标注中对初始数据进行人工处理时所遵循的步骤、方法、质量控制等要求的统称。3.6数据标注合格率数据标注合格率是符合标注规则要求的数据量与需要标注的数据量的比值。3.7数据标注员数据标注员是在数据标注工作中，按照事先约定的标注规则对初始数据进行加工作业的人员。3.8数据标注质量控制员数据标注质量控制员是在数据标注工作中，按照事先约定的标注规则从事数据审核等质量控制工作的人员。4基本原则4.1创新为先，引领发展数据标注标准框架的建立要与应用创新、科技创新相结合，提升标准制定实施的科学性、技术性、前瞻性，持续支撑数据标准的规范化管理。4.2全面系统，科学严谨数据标注标准框架的建立应遵循社会发展的基本规律，科学规划数据标注的各个方面和领域，能有效指导数据标注各个标准的制定。4.3层析分明，协调一致标准框架内容应分清层次，各子标准应相互协调。4.4注重时效，持续改进标准框架应根据数据标注行业领域标准化建设的需求进行调整完善，优化改进。5基本要求5.1应根据数据标注发展的需求构建和修订数据标注标准框架5.2应根据社会经济发展形势和行业发展需求进行扩充和删减。6总体结构3DB14/TXXXXX—20XX数据标注标准框架共由十一个子标准组成。子标准主要包括：数据标注一般技术要求、数据标注专项技术要求、数据标注质量控制技术要求、数据标注成本评估模型、数据标注成果评估规范、数据标注机构组织能力成熟度模型、数据标注人员技能分级模型、数据标注项目培训规程、数据标注通用工作规程、数据标注软件工具要求、数据标注安全规范。数据标注标准框架总体结构见图1。图1：数据标注标准框架总体结构图7子标准7.1数据标注一般技术要求数据标注一般技术要求规定了机器学习进行数据标注的基本技术，包括预处理技术和数据标注技术。7.2数据标注专项技术要求数据标注专项技术要求是指人工智能行业专项领域的数据标注技术要求，包括自动驾驶行业、医疗行业等的专项技术要求。7.3数据标注质量控制技术要求数据标注质量控制技术要求规定了机器学习进行数据标注在保证质量上所采取的技术控制手段。4DB14/TXXXXX—20XX7.4数据标注成本评估模型数据标注成本评估模型规定了机器学习进行数据标注的成本评估方法和模型要素。7.5数据标注成果评估规范数据标注成果评估规范是对所有标准的验收评估规范，用于检验上述标准实行后的成7.6数据标注机构组织能力成熟度模型数据标注机构组织能力成熟度模型是对数据标注企业能力的衡量模型，通过多种维度的信息收集和判断，确定企业在标注业务承接能力上的成熟情况。7.7数据标注人员技能分级模型数据标注人员技能分级模型是对数据标注从业人员的技能分级模型，从而确定标注人员的技能范围并做级别分级。7.8数据标注项目培训规程数据标注项目培训规程是指在通用的数据标注项目过程中，对标注人员的筛选、培训、考核的步骤和流程，用以指导通用项目的培训。7.9数据标注通用工作规程数据标注通用工作规程规定了机器学习进行数据标注的通用工作规程，包括规划、实施、监控与验收。7.10数据标注软件工具要求数据标注软件工具要求是指与数据标注任务相匹配的软件工