包括訓練和預測兩個 過程，實現(xiàn)對不同數(shù) 據(jù)集的自適應性屬性 標注； 特征選擇功能，可以 在訓練模型時，選擇 出對區(qū)分數(shù)據(jù)類別更 有用的特征詞，這樣 ，可以降低實體所對 應屬性的維度，從而 ，減少占用的內(nèi)容空 間，提高計算效率； 交叉驗證功能，幫助 我們在訓練階段，就 可以了解參數(shù)和算法 的選擇，對屬性標注 時準確性的影響； 生成報告功能，可以 在訓練階段的交叉驗 證結(jié)束后，產(chǎn)生一個 訓練階段的報告，幫 助用戶更好地記錄實 驗數(shù)據(jù)、參數(shù)、時間 和準確性等信息； 評估功能，比較模型 標注結(jié)果與樣本真實 標簽的一致性、差異 性，以評價一個模型 的好壞。

隨著互聯(lián)網(wǎng)的迅速發(fā) 展，Web頁面上的信 息量呈指數(shù)級急劇增 長，如何快速、準確 地從海量數(shù)據(jù)中抽取 出用戶真正需要的信 息已經(jīng)成為互聯(lián)網(wǎng)對 科研工作者提出的嚴 峻挑戰(zhàn)。 屬性標注能夠?qū)⒕W(wǎng)頁 非結(jié)構(gòu)化文本內(nèi)容轉(zhuǎn) 化為結(jié)構(gòu)化的屬性數(shù) 據(jù)，方便用戶查詢和 進一步分析使用；其 作為信息抽取的關(guān)鍵 一步，對提高信息抽 取的性能方面也具有 重要意義。