注釈

注釈とは、文書やその他の情報内の特定のポイントに関連付けられた追加情報のことです。コメントや説明を含むメモの場合もあります。 ^{[1]注釈は、}書籍のページの余白に表示されることもあります。さまざまなデジタルメディアの注釈については、Web注釈とテキスト注釈を参照してください。

5種類の注釈が​​付与されます。LIDAR注釈、画像注釈、テキスト注釈、ビデオ注釈、オーディオ注釈^[2]

注釈の実践には、フレーズや文を強調表示してコメントを記入したり、定義が必要な単語を丸で囲んだり、何かが完全に理解されていない場合に質問したり、重要なセクションの短い要約を書いたりすることが含まれます。^[3]また、学生に「素材への取り組みとエキサイティングな DIY (Do-It-Yourself) 注釈の実践を通じて歴史を (再) 構築する」よう促します。^[4]現在利用可能な注釈の実践は、学生が作業を開始するための優れたツールセットを提供し、これまで可能だったよりも協力的でつながりのある方法で作業を開始できます。^[5]

テキストと映画の注釈は、コメントや映画内のテキストを使用する手法です。ビデオの分析は、先入観から完全に自由になることは決してない作業であり、研究者にとって最初のステップは、可能な研究アプローチの分野内での自分の方向性を見つけ、それによって自分の基本的な仮定を振り返ることです。^[6]注釈はビデオ内に組み込まれ、データビデオが記録されるときに使用できます。注釈は、テキストと映画で、マークに自分の考えや感情を書き込むツールとして使用されています。^[3]分析の任意のステップで、より多くの注釈を追加することもできます。人類学者のクリフォード・ギアツはこれを「厚い説明」と呼んでいます。これは、特に映画でどのように実装できるかの説明を追加することで、注釈がいかに有用であるかを感じさせます。^[6]

欄外書写とは、写本の余白に書かれた文章や装飾のことを指します。中世の欄外書写は非常によく知られており、その面白い、あるいは当惑させるような例は、BuzzfeedやBrainpickingsなどのバイラルアグリゲーターのネタとなり、他の読者の読書に対する関心は、MelvilleのMarginalia Onlineや、ハーバード大学の6つの個人図書館の欄外書写のオンライン展示などのサイトにも表れています。^[5]また、Pinterestなどの他のウェブサイトや、ミームジェネレーターやGIFツールの一部になることもあります。

テキスト研究は、テキストや物理的な文書を理解しやすくするために、注釈の手法を使ってテキストや物理的な文書に歴史的背景を説明したり追加したりする学問です。^[7]

学生は、テキストに積極的に取り組むために、本の文章にハイライトを入れることがよくあります。学生は注釈を使用して重要なフレーズを簡単に参照したり、傍注を追加してテキストと既存の知識や進行中のテーマとのつながりを調べたり見つけたりすることができます。^[8]

注釈付き書誌は、単に情報源を特定する通常の書誌情報に加えて、各情報源の関連性や品質に関する解説を追加します。

学生は、学術的な目的だけでなく、自分の考えや気持ち、感情を解釈するためにも注釈を使用します。^[3] ScalarやOmekaなどのサイトは学生が使用するサイトです。数学、映画、言語学、文学理論など、注釈には複数のジャンルがあり、学生はこれらを使用するのが最も役立つと考えています。ほとんどの学生は、注釈のプロセスが全体的なライティング能力、文法、学術的な語彙知識の向上に役立つと報告しました。

数式（記号や数式）には、自然言語の意味を注釈として付けることができます。記号は異なる意味を持つ可能性があるため（例えば、「E」は「エネルギー」や「期待値」など）、これは曖昧さを解消するために不可欠です。^{[9] [10]}注釈のプロセスは、例えばウィキメディアがホストする「AnnoMathTeX」システムを使用して、推奨を通じて促進および加速できます。^{[11] [12] [13]}

認知的観点から見ると、注釈は学習と指導において重要な役割を果たします。ガイド付き通知の一部として、注釈には視覚表現の側面を強調表示、命名またはラベル付け、コメント付けして、学習者の注意を特定の視覚的側面に集中させるのに役立ちます。言い換えれば、類型的表現（文化的に意味のあるカテゴリ）を位相的表現（画像など）に割り当てることを意味します。^[14]これは、医師などの専門家が視覚化を詳細に解釈し、その解釈をデジタル技術などを使用して他の人に説明する場合に特に重要です。^[15]ここで、注釈は知識レベルの異なる対話者間の共通点を確立する方法になり得ます。 ^[16]注釈の価値は、たとえば、コンピューターベースの遠隔診療において、画像注釈と音声を統合すると、注釈なしの画像と音声の使用と比較して、知識の交換が大幅に改善されることを示す研究で実証されています。^[17]

アノテーションは、約10年間のサービス提供を経て、2019年1月15日にYouTubeから削除されました。 ^[18]アノテーションにより、ユーザーは動画の再生中に表示される情報を提供することができましたが、YouTubeは、アノテーションが小さなモバイル画面ではうまく機能せず、悪用されていると指摘しました。

XMLやHTMLなどのマークアップ言語は、テキストに文法的に区別できる方法で注釈を付けます。これらは、望ましい視覚的表現に関する情報や、セマンティックウェブのように機械可読な意味情報を追加するために使用できます。^[19]

これにはCSVとXLS が含まれます。表形式のデータにセマンティック注釈を割り当てるプロセスは、セマンティックラベリングと呼ばれます。セマンティックラベリングは、オントロジーから表形式のデータに注釈を割り当てるプロセスです。 ^{[20] [21] [22] [23]}このプロセスは、セマンティック注釈とも呼ばれます。^{[24] [23]}セマンティックラベリングは、多くの場合（半）自動で行われます。セマンティックラベリング技術は、エンティティ列、^[23]数値列、^{[20] [22] [25] [26]}座標、^[27]などで機能します。^{[27] [26]}

機械学習技術を利用したセマンティックラベリングにはいくつかの種類があります。これらの技術は、Flach ^{[28] [29]}の研究に従って、次のように分類できます。幾何学的（サポートベクターマシン、線形回帰などの線と平面を使用）、確率的（条件付きランダムフィールドなど）、論理的（決定木学習など）、および非ML技術（カバレッジと特異性のバランスをとるなど^[23]）。幾何学的、確率的、および論理的な機械学習モデルは相互に排他的ではないことに注意してください。^[28]

Phamら^[30]は、テキストデータにはJaccard指数とTF-IDF類似度を使用し、数値データにはKolmogorov-Smirnov検定を使用しています。AlobaidとCorcho ^[22]は、ファジークラスタリング（c平均法^{[31] [32]} ）を使用して数値列にラベルを付けています。

Limayeら^[33]はTF-IDF類似度とグラフィカルモデルを使用しています。また、重みを計算するためにサポートベクターマシンも使用しています。Venetisら^[34]は、インスタンス、クラスのペアで構成されるisAデータベースを構築し、これらのペアを使用して最大尤度を計算しています。AlobaidとCorcho ^[35]は、数値列の特性を予測するためにqqプロットを近似しました。

Syedら^[36]はWikitologyを構築した。これは「Wikipediaから抽出した構造化情報と非構造化情報をDBpediaやその他のLinked DataリソースのRDFデータで補強したハイブリッドな知識ベース」である。^[36] Wikitologyのインデックスでは、セマンティックラベル付けでよく使われるタスクの1つであるエンティティリンクにPageRankを使用している。彼らはすべてのWikipediaの記事をGoogleに問い合わせてPageRankを取得することができなかったため、決定木を使用して近似値を得た。^[36]

AlobaidとCorcho ^[23]は、エンティティ列に注釈を付けるアプローチを提示した。この手法は、まずエンティティ列のセルに参照ナレッジグラフ（DBpediaなど）のエンティティを注釈として付けることから始まる。次にクラスを収集し、各クラスの頻度とサブクラス階層に従った深さを考慮して、彼らが提示したいくつかの式に基づいて各クラスにスコアを付ける。^[37]

文献に記載されている一般的な意味ラベル付けタスクの一部を次に示します。

これはセマンティックラベリングで最も一般的なタスクです。セルのテキストとデータソースが与えられると、このアプローチはエンティティを予測し、それを指定されたデータソースで識別されたエンティティにリンクします。たとえば、アプローチへの入力が「Richard Feynman」というテキストとDBpediaのSPARQLエンドポイントへのURLである場合、アプローチは「http://dbpedia.org/resource/Richard_Feynman」を返します。これはDBpediaからのエンティティです。一部のアプローチでは完全一致を使用します。^{[23]一方、他のアプローチでは}コサイン類似度などの類似性メトリックを使用します^[33]

表の主題列は、表の主な主題/エンティティを含む列です。^{[20] [29] [34] [38] [39]}いくつかのアプローチでは主題列を入力として期待しますが^[23]、TableMiner+などの他のアプローチでは主題列を予測します。^[39]

列の型は、さまざまなアプローチによってさまざまな方法で分類されます。^[29]列を文字列/テキストと数値に分類する人もいます^{[22] [30] [40] [26]}一方、列をさらに細分化する人もいます^[29]（例：数値類型、^[20]日付、^{[36] [34]}座標^[41]）。

マドリードとスペインの関係は「capitalOf」です。^{[42]このような関係は、} DBpediaなどのオントロジーで簡単に見つけることができます。Venetisら^[34]は、 TextRunner ^[43]を使用して2つの列の関係を抽出しました。Syedら^[36]は、 2つの列のエンティティ間の関係を使用し、最も頻繁な関係が選択されました。

T2D ^[44]はセマンティックラベリングの最も一般的なゴールドスタンダードです。T2DにはT2Dv1（T2Dとも呼ばれる）とT2Dv2の2つのバージョンがあります。^[44]別の既知のベンチマークはSemTab Challengeで公開されています。^[45]

Git、Team Foundation Server、Subversionなどのソース コントロールシステムで使用される「注釈」機能 (「非難」または「賞賛」とも呼ばれる) は、リポジトリにソース コードの変更をコミットしたユーザーを特定します。これにより、ソース コードのコピーが出力され、各行にその行を最後に編集したユーザーの名前 (およびリビジョン番号) が注釈として付けられます。これにより、変更によって不具合が発生した場合に責任を問うたり、優れたコードの作成者を特定したりすることができます。

特殊なケースとしてJavaプログラミング言語があり、アノテーションはソースコード内の構文メタデータの特殊な形式として使用できます。 ^[46]クラス、メソッド、変数、パラメータ、パッケージにアノテーションを付けることができます。アノテーションはコンパイラによって生成されたクラスファイルに埋め込むことができ、 Java仮想マシンによって保持され、アプリケーションの実行時の動作に影響を与える可能性があります。Javaでは、既存のアノテーションからメタアノテーションを作成することができます。^[47]

自動画像注釈は画像検索システムのための画像を分類するために使用されます。^[48]

1980年代以降、分子生物学とバイオインフォマティクスにより、 DNAアノテーションの必要性が生まれました。DNAアノテーションまたはゲノムアノテーションは、遺伝子の位置とゲノム内のすべてのコーディング領域を特定し、それらの遺伝子が何をするかを決定するプロセスです。アノテーション（文脈に関係なく）は、説明または解説として追加されるメモです。ゲノムの配列が決定されたら、それを理解するためにアノテーションを付ける必要がある。^[49]

デジタルイメージングコミュニティでは、注釈という用語は、付箋、仮想レーザーポインター、円、矢印、ブラックアウト（編集を参照）など、基になるマスターイメージを変更せずに画像に重ね合わせた目に見えるメタデータを指すのによく使用されます。^[50]

医療画像処理コミュニティでは、注釈は関心領域と呼ばれることが多く、 DICOM形式でエンコードされます。

米国では、トムソン・ウェストやレクシス・ネクシスなどの法律出版社が法令の注釈版を出版し、法令を解釈した裁判例の情報を提供している。連邦法典と州法はどちらも裁判所の解釈の対象となっており、注釈付き法令は法研究の貴重なツールとなっている。^[51]

注釈の目的の 1 つは、データをコンピューター支援分析に適した形式に変換することです。注釈の前に、通常はタグで構成される注釈スキームが定義されます。タグ付け中、転写者は注釈エディターで必要な言語的特徴が特定された転写に手動でタグを追加します。注釈スキームにより、データセット全体でタグが一貫して追加され、以前にタグ付けされたデータの検証が可能になります。^{[52]タグとは別に、より複雑な形式の言語注釈には、}ツリーバンクなどのフレーズや関係の注釈が含まれます。言語注釈のさまざまな形式が開発されており、言語注釈を作成および管理するためのさまざまな形式とツールも開発されています。たとえば、Linguistic Annotation Wiki で説明されています。^[53]

無料辞書のウィクショナリーで注釈を調べてください。