第272章 数据标注（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
赵琳点头，重新标那张表。这一次她花了二十分钟。
第一周结束的时候林晨做了质检。他在三个人各自的标注里随机抽三十份，逐条核对。结果出来了：小敏82%，周昊85%，赵琳76%。综合准确率81%。
他把三个人叫到一起，没开会，就是指着屏幕上出问题的样本一条一条过。
小敏，你这份——扣非净利润下降12%净利润下降3.8%是两个不同的数字，你只标了净利润。扣非净利润在投研场景下有时候比净利润重要——很多公司靠卖资产或者政府补贴把净利润做正了，但主业其实在萎缩。所以两个数字都得标。
小敏看着自己漏掉的那行，咬了下嘴唇。我以为净利润已经代表了。
净利润是最后那个数，扣非才是主业到底怎么样。看报告先看扣非。
周昊，你的问题不在标注本身——在过标。你这三十份里标了太多无关数字。我上次跟你说的过滤步骤，你做了吗？
周昊推了推眼镜。做了，但我不太确定哪些数字跟投资决策有关。比如有一份问询函里提到公司专利数量增加了15%——这个算不算？
看行业。如果是科技股，专利数量是核心指标，标。如果是传统制造业，专利数量跟盈利关系不大，不标。
赵琳——林晨的语气停顿了一下。赵琳的76%是最低的，她自己心里也清楚。你的问题集中在两种场景——合并报表的层级关系和大股东增减持的方向判断。第二种我之前跟你说过一次了。
赵琳没说话，手指在桌面下绞着。
这样——下周你专门标问询函里涉及股权变动的那类文档，别标其他类型。集中练一种场景，练到不出错再换。
赵琳点了一下头，很轻。
第二周林晨没有全程坐在标注间了。上午他在自己的工位处理项目其他事务，下午过来待两三个小时，抽查和答疑。但他每天下班前会抽出四十分钟自己标一批——保持对标注规范的手感，也为了让自己不跟一线脱节。有天晚上他标到八点多，周昊从工位过来找他——他以为周昊走了。
林总，我想跟你聊聊。
周昊站在门口，手插在卫衣口袋里。这个标注工作——我觉得学到东西，但有点担心。我们做的全是人工标注，如果以后模型能自动标注了，这套经验不就没用了？
林晨把手里的笔放下。你觉得模型能自动标注金融数据——什么时候能实现？
不知道。可能两三年？
两三年之后你在哪？
周昊没接话。
你现在学的这套东西——从非结构化文本里提取结构化信号——放到哪都是基本功。模型什么时候能自动标注我不知道，但标注标准本身在变——你觉得两三年之后这套规范会跟今天一模一样吗？
周昊想了想。不会。
所以你担心的事情不存在。规范在变，你干的事也跟着变。
周昊走了之后，林晨看着屏幕上自己标完的最后一份问询函。但他知道周昊的焦虑是真实的。标注工作确实枯燥，每天对着同一类文档反复标同样的维度，跟写代码比起来没有任何创造性。如果他自己二十出头坐在这里，大概也会想同样的问题。
第二周的质检结果：小敏90%，周昊91%，赵琳83%。赵琳提升最大——她把股权变动类文档标了整整一周之后，方向判断的错误率从原来的24%降到了9%。但她在财务报表层级关系上还是容易出问题，合并报表的数据偶尔还是会把子公司和母公司混在一起。
林晨跟陈铭说：你找个时间给赵琳开一次小灶，专门讲合并报表的结构。你是金融方向牵头人，讲这个比我清楚。
陈铭答应了。第二天中午他拉着赵琳在茶水间白板上画了半个钟头的合并报表结构图。赵琳回来之后标了一份带三层子公司的问询函回复，全对。
第三周的前两天，赵琳突然请了一天假。她没说原因，HR那边只走了正常流程。第二天回来的时候脸色不太好，标了半天出了好几个低级错误——把标成，漏标了两个关键数字。
小敏在休息的时候悄悄跟林晨说：赵琳昨天好像是因为身体不舒服，她最近经常揉眼睛。
林晨想了想，在工位上搜了一下，下单了一个显示器护眼滤光片和一把人体工学椅，第二天送到标注间。他没跟赵琳解释，就是把旧椅子换了。赵琳看到新椅子的时候顿了一下，坐上去试了试，然后低头继续标。
第三周结束时质检结果：小敏93%，周昊94%，赵琳89%。综合准确率过了93%的线。
月底，标注数据集的总量爬到了三千二百条人工标注样本。加上张雨那边自动标注后人工交叉验证的批次，总量接近五千条。林晨在项目文档里更新了数据端的最新数据，没有发群消息。他走到张雨工位旁边说了一句：数据够了，下周一启动智研1.0训练。
↑返回顶部↑