由于模型需要通过标注数据来从中学习规律，我们首先要准备好一个标注数据集。以情感分析任务为例，我们的每一条数据为一个（文本，情感）对。例如：（“这个牌子的红枣很不错”，“正”）。情感一共有三种不同的类别：“正”，“中”，“负”。对于每一个不同的类别，我们建议至少准备500条训练数据再进行测试。训练数据需要按照NLP自学习平台定义好的格式进行处理，以JSON为例，您需要将每一条数据处理成如下格式：
{
"1": {
"content": "这个牌子的红枣很不错",
"records": {
"情感": "正"
}
}
}文本的内容放在“content”中，而标签的内容放在“records”中，其中content只支持string类型，records字段是一个对象类型。records字段的key代表了题目名称，只支持string类型；value代表具体的标签，可以支持整数类型（如0，1）、string类型（如“正”、“中”、“负”）以及更复杂的数组\对象类型。NLP 自学习平台支持多种文本分类的场景，包括“多题目”，“多标签”，“多层级”以及以上三种场景的组合
多题目
多题目是指对于一段文本，可以进行不同种类的分类，比如对于商品评论文本，您可能不仅想知道评论里的情感，还想知道评论是针对什么类型的商品。所以就有了两个题目，这时数据格式可以如下设计，即在records字段的最外层添加一个“商品类别”的key，以及设置对应的value为“食品”
{
"1": {
"content": "这个牌子的红枣很不错",
"records": {
"情感": "正",
"商品类别": "食品"
}
}
}当数据存在多题目时，NLP自学习平台支持包含缺失值的情况，即部分数据的部分题目没有标注。如数据集包含两条数据，第一条对于“情感”和“商品类别”都有标注，而在第二条数据中，只是对于“情感”有标注，“商品类别”无标注。此时的标注格式应当如下所示：
{
"1": {
"content": "这个牌子的红枣很不错",
"records": {
"情感": "正",
"商品类别": "食品"
}
},
"2": {
"content": "非常不错，超级喜欢",
"records": {
"情感": "正"
}
}
}多标签
多标签是指，有时对于同一段文本，可能不止有一个标签是对的，而是可以同时属于多种标签。比如我们希望通过文本判断“食品类别”这个题目，而黄瓜既可以是“蔬菜”又可以是“水果”。这时数据的格式可以如下设计：
{
"1": {
"content": "黄瓜很好吃，特别的脆，超级喜欢",
"records": {
"情感": "正",
"食品类别": ["水果", "蔬菜"]
}
}
}注意records字段的格式，针对“情感”来说是个多分类问题，即只存在唯一的标签，因此其value为string类型，而“食品类别”为多标签，因此其value为数组类型。如果多标签只存在一个，则与多分类无差异，比如下面的数据格式与上面是等价的
{
"1": {
"content": "黄瓜很好吃，特别的脆，超级喜欢",
"records": {
"情感": ["正"],
"食品类别": ["水果", "蔬菜"]
}
}
}多层级
多层级是指对于我们的标签体系，有时并不是完全平铺的，而是含有层级关系的。比如淘宝的商品的类目体系就是一个层次结构，在第一层我们有“服装”，“电器”，“食品”等分类，而“食品”在第二层还可以细分为“肉类”，“蔬菜”，“水果”等类别。这样就构成了一个层次结构。比如对于商品类别，我们想识别出每一层的标签，则可以构建如下数据格式：
{
"1": {
"content": "这个牌子的红枣很不错",
"records": {
"情感": "正",
"商品类别": [["食品", "水果"]]
}
}
}如果数据需要再增加一个层级，比如在“水果”下面再增加“热带水果”一类，数据格式应该如下：
{
"1": {
"content": "猫山王榴莲的口感醇厚，味道肥美，绝对是五星级",
"records": {
"情感": "正",
"商品类别": [["食品", "水果", "热带水果"]]
}
}
}注意这边“商品类别”这个题目下的value变成了一个二维嵌套数组，其中”食品”, “水果”, “热带水果”构成了一个层次递进关系。
在数据为多层级的情形下，NLP自学习平台支持路径不完整的情形，即部分数据没有从根节点到叶子节点的完整标签，此时的标注格式应当如下：
{
"1": {
"content": "黄瓜很好吃，特别的脆，超级喜欢",
"records": {
"情感": "正",
"商品类别": [["食品", "水果"]]
}
},
"2": {
"content": "这个东西很好吃，口感简直绝了",
"records": {
"情感": "正",
"商品类别": [["食品"]]
}
}
}在这个例子中，数据集里共包含两条数据，第一条对于“商品类别”标注到了第二层级，而在第二条数据中，对于“商品类别”只标注到了第一层级。同样地，针对只有单层和单标签的例子，可以看做层次分类中的特殊情况，因此上述第二条数据里"商品类别": [["食品"]]与"商品类别": "食品"没有任何差异。同样地，对于单层次多标签的例子，以下两种表示方法也是完全一致的："食品类别": [["蔬菜"], ["水果"]]和"食品类别": ["蔬菜", "水果"]
更复杂的示例
当数据本身既包含多题目、多层级，又包含多标签的时候，有时多个标签会分布在不同的层次路径下时，此时可以通过如下的格式来组织数据
{
"1": {
"content": "泰国金枕榴莲，令人回味无穷，健脾补气，补肾壮阳",
"records": {
"情感": "正",
"商品类别": [
["食品", "药用食品"],
["食品", "水果", "热带水果"],
["食品", "产地", "东南亚", "泰国"]
]
}
}
}注意在“食品”这个一级类目下，该文本存在“药用食品”二级标签；同时在”水果”二级类目下，存在三级标签“热带水果”；另外在“产地”这个二级类目下，存在三级类目“东南亚”，之后存在四级标签“泰国”