由于模型需要通過標注數據來從中學習規律，因此我們首先要準備好一個標注數據集。標注數據指的是將需要抽取的實體從原始的文本中標識出來，如：從“項目法人委托質量檢測合同 合同編號： JSZH20200048 工程名稱：工程及綜合整治項目 委托方：園街道辦事處”中提取出合同編號，我們需要對“JSZH20200048”進行標注。我們通常鼓勵每一個實體的有效標注數據不小于500份。

對于用戶已經積累了一部分標注數據的情況，我們需要您按照自學習平臺所支持的輸入格式進行組織，并且上傳。如果您目前還沒有標注數據，也可以選擇上傳原始文件，通過標注平臺進行標注，標注平臺的使用見下一節。自行上傳的標注數據為JSON格式，且需要符合以下格式，其中文本的內容放在“content”中，而標簽的內容放在“records”中，records 中key 為實體名，value 為標注內容在原文中的偏移量

{
  "id001": {
    "content": "項目法人委托質量檢測合同\n合同編號： JSZH20200048 \n工程名稱：工程及綜合整治項目 \n委 托 方：園街道辦事處 ",
    "records": {
      "委托方": [
        {
          "span": "園街道辦事處",
          "offset": [
            55,
            61
          ]
        }
      ],
      "合同編號": [
        {
          "span": "JSZH20200048",
          "offset": [
            19,
            31
          ]
        }
      ]
    }
  }
}

上傳文件的入口在剛剛創建好的項目中，數據中心->上傳數據集。