HARE：一个用于排序和探索的灵活高亮注释器
HARE: a Flexible Highlighting Annotator for Ranking and Exploration
摘要：
潜在数据源的探索和分析是自然语言处理技术应用于新信息领域的一个重大挑战。我们描述了HARE，一个系统，用于突出显示文档集合中的相关信息，以支持排名和分流，它提供了用于模型开发和调整的后处理和定性分析的工具。我们将HARE应用于临床数据中移动信息的叙述性描述的用例，并证明其在比较候选嵌入特征中的实用性。我们提供了一个基于Web的接口，用于注释可视化和文档排序，并提供了一个模块化后端，以支持与现有注释工具的互操作性。我们的系统可在https://github.com/OSU-slatelab/HARE上在线获得。
英文摘要：
Exploration and analysis of potential data sources is a significant challenge in the application of NLP techniques to novel information domains. We describe HARE, a system for highlighting relevant information in document collections to support ranking and triage, which provides tools for post-processing and qualitative analysis for model development and tuning. We apply HARE to the use case of narrative descriptions of mobility information in clinical data, and demonstrate its utility in comparing candidate embedding features. We provide a web-based interface for annotation visualization and document ranking, with a modular backend to support interoperability with existing annotation tools. Our system is available online at https://github.com/OSU-slatelab/HARE.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
