52-数据集卡 Template v1.0 | 第5章 标注、标签与审校（Annotation/Labeling）

目录 ／ 文档-技术白皮书（V5.05） ／ 52-数据集卡 Template v1.0

第5章 标注、标签与审校（Annotation/Labeling）

I. 目的与范围（Purpose & Scope）

• 规范数据集的标注流程（Annotation）、标签结构（Labeling Schema）与审校机制（Review/Audit），覆盖标注协议、人员与工具、标签契约、质量控制与一致性评估、隐私与最小化策略、以及发布口径。
• 涉及路径量（到达时/相位）之标签，正文显式 gamma(ell) 与测度 d ell，数据侧记录 delta_form ∈ {general, factored}；发布要求 p_dim = 1.0 并随附 check_dim_report.json。

II. 输入与依赖（Inputs & Dependencies）

• 契约与结构：schema.json/contract.yaml（见第4章），标签字段在契约中声明类型、单位与量纲。
• 来源与血缘：provenance.yaml/lineage_graph.json（见第3章），标注批次纳入 lineage DAG。
• 计量与覆盖：与《误差预算卡》对齐 coverage ∈ {k, alpha, quantile} 与 cov_group/Σ；与《参数注册卡》一致的版本/新鲜度策略。
• 引用与版本：使用“卷名 + 版本 + 锚点（P/S/M/I）”，锚点直指率 ≥ 90%，禁止外链/别名。

III. 标注流程（Annotation Process）

• 协议：定义任务（分类/回归/时序/路径/多模态）、说明书（指南/示例/反例）、判定准则与冲突名。
• 人员与工具：annotator_id（匿名化）、工具版本、训练与校验题。
• 批次与任务单：batch_id、样本分配（随机/分层/困难样本优先）、最小重复标注 k_rep。
• 回收与审校：多数表决/经验加权/仲裁（adjudication），差异阈值触发复核。
• 隐私与最小化：遵循 privacy_policy.yaml，禁止敏感原文落日志；必要时做局部遮蔽/脱敏。

IV. 标签结构（Labeling Schema）

1. 字段定义：
   • label.value（标注值），label.type ∈ {class, span, bbox, point, numeric, path}
   • label.unit（如 rad/s, 1, s），label.dim（量纲）
   • label.confidence（0..1）、label.rationale（可空）
   • label.coverage（k/alpha/quantile 其一）
2. 路径型标签（若适用）：label.path{ gamma_ell[], d_ell[], delta_form, target ∈ {T_arr,Phi} }。
3. 层级与多任务：task_id、label.group、dependencies[]；任务间一致性约束在 constraints 声明。
4. 合法值与互斥：enum.values[]、mutex、requires 与 implies 规则。

V. 审校与一致性（Review & Consistency）

1. 一致性度量：
   • 分类：κ（Cohen/Fleiss）、一致率、宏/微平均 F1（若有参考）。
   • 数值：MAE/MSE、CCC（一致性相关）与区间对齐（k/alpha/quantile）。
   • 路径：DTW/Hausdorff/分段 RMSE，步长与对齐窗口一致。
2. 判定阈值：κ ≥ κ_min、MAE ≤ τ_mae、interval_overlap ≥ τ_overlap，不达标进入仲裁或再标注。
3. 抽样复核：按批次/标注者/难例分层复核比例 r_review；差错入 quality.flags。

VI. 质量门与校验（Gates & Validation）

• G1｜Schema 完整：标签字段在 schema.json/contract.yaml 明确，类型/单位/量纲齐全。
• G2｜引用合规：see[]/references[] 锚点直指率 ≥ 90%。
• G3｜路径规范：路径型标签的 gamma/measure/delta_form 齐备；len(path)≥2、Δell 合规。
• G4｜量纲闭合：I70-dim_check 通过，p_dim = 1.0。
• G6｜覆盖口径：label.coverage ∈ {k, alpha, quantile} 与发布一致。
• G8｜唯一性：record_id+task_id 唯一；审计事件完整。
• 触发 S1–S5（量纲失败/路径缺失/引用不合规等）即拒收或再标注，必要时标注 [Restricted]。

VII. 字段表示（最小模板）

VIII. 机读契约（Machine-Readable Contracts）
A. label_schema.json（节选）

{

"$schema":"https://json-schema.org/draft/2020-12/schema",

"title":"Labeling v1.0.0",

"type":"object",

"required":["task_id","label"],

"properties":{

"task_id":{"type":"string"},

"label":{

"type":"object",

"required":["type","value"],

"properties":{

"type":{"enum":["class","span","bbox","point","numeric","path"]},

"value":{},

"unit":{"type":"string"},

"dim":{"type":"string"},

"confidence":{"type":"number","minimum":0,"maximum":1},

"coverage":{"type":"object"}

}

},

"annotator_id":{"type":"string"}

}

}

B. annotation_contract.yaml（流程与阈值）

version: "1.0.0"

tasks:

- id: "cls-01"

type: "class"

guide: "docs/guidelines_cls01.md"

k_rep: 2

kappa_min: 0.75

- id: "path-01"

type: "path"

guide: "docs/guidelines_path01.md"

path:

required: true

gamma: "gamma(ell)"

measure: "d ell"

delta_form: "general"

metrics:

dtw_max: 0.15

overlap_min: 0.80

coverage:

mode: "k"

k: 2

review:

r_review: 0.1

adjudication: true

privacy:

deid_policy: "privacy_policy.yaml"

C. 审计事件 audit.jsonl（示例行）

{
  "ts": "2025-09-24T16:10:00Z",
  "event": "annotate",
  "record_id": "01H...",
  "task_id": "cls-01",
  "annotator_id": "anon-023",
  "confidence": 0.92,
  "checksum": "sha256:..."
}

IX. 路径量统一口径（Normative Path Forms）

• 到达时：T_arr = ( 1 / c_ref ) * ( ∫ n_eff d ell )；T_arr = ( ∫ ( n_eff / c_ref ) d ell )。
• 相位：Phi = ( 2π / λ_ref ) * ( ∫ n_eff d ell )。

正文显式路径与测度；数组长度一致；步长与对齐满足第4章/第5章约束。

X. 反例与修正（Anti-Patterns & Fixes）

• 反例：仅给 gamma(ell)，缺 d ell/delta_form → 修正：补齐并与 n_eff 对齐。
• 反例：T_arr = ∫ n_eff / c_ref d ell（缺括号）→ 修正：括号化为统一口径。
• 反例：无一致性/审校记录 → 修正：配置 k_rep/r_review 与 adjudication 并落审计。
• 反例：unit/dim 缺失 → 修正：补充单位与量纲并通过 I70-dim_check。

XI. 交叉引用（Cross-References）

• 结构与 Schema：见第4章；切分与版本：见第6章；质量门与完整性：见第7章；不确定度与协方差：见第8章。
• 与《管线卡》：阶段控制式与路径对齐（Ch.6/Ch.5）。
• 与《误差预算卡》：区间/覆盖与协方差（Ch.8/Ch.5/Ch.6）。

XII. 执行勾选清单（Checklist）

• label_schema.json/annotation_contract.yaml 完整且与第4章一致；标签字段单位与量纲齐全。
• 路径型标签显式 gamma/measure/delta_form；len(path) ≥ 2、Δell 合规。
• 一致性指标达标（κ/MAE/interval_overlap 等）；抽样复核与仲裁记录完备。
• coverage 口径与发布一致；I70-dim_check 通过、p_dim = 1.0。
• 审计事件齐全，隐私最小化与去标识化执行；引用与版本合规（锚点直指率 ≥ 90%）。