Aggiunta di automazione con Liquid

Il sistema di modello personalizzato utilizza Liquid per l'automazione. Si tratta di un linguaggio di markup inline open-source. In Liquid, il testo compreso tra parentesi graffe singole e simboli di percentuale è un'istruzione o un tag che svolge un’operazione come un flusso di controllo o un'iterazione. Il testo racchiuso tra parentesi graffe doppie è una variabile o oggetto che genera il suo valore.

Liquid è comunemente utilizzato per analizzare i dati provenienti dal file manifesto di input ed estrarre variabili pertinenti per creare l’attività. Ground Truth genera automaticamente le attività, a meno che non venga specificata una funzione Lambda di pre-annotazione. L’oggetto taskInput restituito da Ground Truth o Lambda di pre-annotazione è l’oggetto task.input nei tuoi modelli.

Le proprietà nel manifesto di input vengono passate nel modello come event.dataObject.

{
  "source": "This is a sample text for classification",
  "labels": [ "angry" , "sad" , "happy" , "inconclusive" ],
  "header": "What emotion is the speaker feeling?"
}

<crowd-classifier 
  name='tweetFeeling'
  categories='{{ task.input.labels | to_json }}'
  header='{{ task.input.header }}' >
<classification-target>
  {{ task.input.source }}
</classification-target>

Nota l’aggiunta di | to_json alla proprietà labels di cui sopra. Si tratta di un filtro che trasforma l’array del manifesto di input in una rappresentazione JSON dell’array. Nella sezione successiva sono descritti i filtri variabili.

L'elenco seguente include due tipi di tag Liquid che potresti trovare utili per automatizzare l'elaborazione dei dati di input dei modelli. Se selezioni uno dei seguenti tipi di tag, verrai reindirizzato alla documentazione di Liquid.

Per ulteriori informazioni e la documentazione, visita la home page Liquid.

Filtri variabili

Oltre alle operazioni e ai filtri Liquid standard, Ground Truth offre alcuni filtri aggiuntivi. I filtri vengono applicati posizionando un carattere barra verticale (|) dopo il nome di variabile e quindi specificando un nome filtro. I filtri possono essere concatenati nel formato seguente:

{{ <content> | <filter> | <filter> }}

Escape automatico ed escape esplicito

Per impostazione predefinita, gli input verranno preceduti da un carattere di escape HTML per evitare confusione tra testo variabile e HTML. Puoi aggiungere in maniera esplicita il filtro escape per rendere più evidente agli utenti che leggono il codice sorgente il modello su cui si esegue l'escape.

escape_once

escape_once garantisce che se hai già eseguito l'escape del codice, questo non viene nuovamente sottoposto a escape. Ad esempio, & non diventa &.

skip_autoescape

skip_autoescape è utile quando il contenuto deve essere utilizzato come HTML. Ad esempio, le istruzioni complete per un riquadro di delimitazione potrebbero contenere qualche paragrafo di testo e alcune immagini.

to_json

to_jsoncodificherà ciò che gli invii in JSON (Object Notation). JavaScript Se fornisci un oggetto, verrà serializzato.

grant_read_access

grant_read_access accetta un URI S3 e lo codifica in un URL HTTPS con un token di accesso di breve durata per tale risorsa. Questo consente di mostrare ai worker oggetti di foto, audio o video archiviati in bucket S3 che non sono altrimenti accessibili pubblicamente.

s3_presign

Il filtro s3_presign funziona allo stesso modo del filtro grant_read_access. s3_presign accetta un URI Amazon S3 e lo codifica in un URL HTTPS con un token di accesso di breve durata per tale risorsa. Questo consente di visualizzare oggetti foto, audio o video archiviati in bucket S3 che non sono altrimenti accessibili pubblicamente dai worker.

auto-escape: {{ "Have you read 'James & the Giant Peach'?" }}
explicit escape: {{ "Have you read 'James & the Giant Peach'?" | escape }}
explicit escape_once: {{ "Have you read 'James & the Giant Peach'?" | escape_once }}
skip_autoescape: {{ "Have you read 'James & the Giant Peach'?" | skip_autoescape }}
to_json: {{ jsObject | to_json }}                
grant_read_access: {{ "s3://amzn-s3-demo-bucket/myphoto.png" | grant_read_access }}
s3_presign: {{ "s3://amzn-s3-demo-bucket/myphoto.png" | s3_presign }}

auto-escape: Have you read 'James & the Giant Peach'?
explicit escape: Have you read 'James & the Giant Peach'?
explicit escape_once: Have you read 'James & the Giant Peach'?
skip_autoescape: Have you read 'James & the Giant Peach'?
to_json: { "point_number": 8, "coords": [ 59, 76 ] }
grant_read_access: https://s3.amazonaws.com/amzn-s3-demo-bucket/myphoto.png?<access token and other params>
s3_presign: https://s3.amazonaws.com/amzn-s3-demo-bucket/myphoto.png?<access token and other params>

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-classifier 
    name="tweetFeeling"
    categories="['positive', 'negative', 'neutral', 'cannot determine']"
    header="Which term best describes this tweet?" 
  >
    <classification-target>
       {{ task.input.source }}
    </classification-target>

    <full-instructions header="Analyzing a sentiment">
      Try to determine the feeling the author 
      of the tweet is trying to express. 
      If none seem to match, choose "other."
    </full-instructions>

    <short-instructions>
      Pick the term best describing the sentiment 
      of the tweet. 
    </short-instructions>

  </crowd-classifier>
</crowd-form>