⚖️ 法律大模型标注
全流程实战
📚 30章 · 从入门到实战
01
法律AI概述
什么是法律大模型、数据标注在其中的作用、课程整体框架。
02
标注环境搭建
Python环境、标注工具安装（LabelStudio）、依赖库配置。
03
法律文本基础
法律文书结构、常见法律术语、裁判文书网数据获取。
04
数据采集与清洗
爬虫基础、法律网站数据抓取、去重与格式清洗。
05
标注规范制定
标注指南编写、标签体系设计（案由、法条、争议焦点）。
06
实体识别标注
人名、机构名、地名、日期、金额等实体标注规则。
07
关系抽取标注
当事人-案件关系、法条-罪名关系、因果关系标注。
08
事件抽取标注
案件发生、审理、判决等事件要素标注。
09
文本分类标注
案由分类、判决结果分类、文书类型分类。
10
阅读理解标注
基于法律问题的答案标注、证据链标注。
11
对话数据标注
法律咨询对话、庭审对话的角色与意图标注。
12
摘要生成标注
判决书摘要、案情摘要的标注方法。
13
数据质量检查
一致性校验、交叉验证、异常值检测。
14
标注工具进阶
LabelStudio高级功能、自定义模板、API调用。
15
多轮标注流程
初标-复审-终审流程设计、争议解决机制。
16
标注团队管理
标注员培训、绩效考核、任务分配策略。
17
数据隐私与合规
个人信息脱敏、数据加密、合规审查。
18
数据增强技术
同义词替换、句式变换、回译增强。
19
标注数据格式
JSON/JSONL格式、CoNLL格式、BIO标注体系。
20
数据存储与管理
数据库选型、版本控制、数据备份策略。
21
预训练数据处理
预训练语料构建、Mask策略、分词处理。
22
微调数据准备
指令微调数据格式、Prompt模板设计。
23
评估数据集构建
测试集划分、评估指标设计（F1、准确率、召回率）。
24
标注工具二次开发
插件开发、快捷键定制、自动化校验脚本。
25
多语言法律标注
中英双语标注、法律翻译对齐、跨语言迁移。
26
标注成本控制
人效分析、自动化辅助标注、主动学习策略。
27
法律知识图谱标注
实体链接、关系三元组、图谱构建流程。
28
标注数据可视化
标注分布统计、错误分析、数据仪表盘。
29
模型迭代与标注优化
Bad Case分析、标注规范迭代、闭环反馈。
30
项目实战
从0到1完成一个法律NLP项目的标注全流程。