相关性标注作为人工智能数据预处理的核心环节，通过为数据样本添加相关性标签，为机器学习模型提供关键训练依据。其核心价值体现在三个方面：构建高质量数据集，提升模型识别精度与泛化能力；定义数据关联规则，为算法提供明确的学习目标；优化系统输出质量，确保预测结果符合实际应用需求。相关性标注根据应用场景可分为文本相关性、图像相关性、跨模态相关性等多种类型，形成完整的数据标注体系。

文本相关性标注主要处理语言数据间的关联程度。查询-文档相关性标注评估搜索查询与结果文档的匹配度，通常采用二元相关或多级相关标注体系。文本语义相关性判断两段文本的语义相似性，如 paraphrase 识别或语义匹配任务。情感相关性标注分析文本情感倾向与主题的关联性，用于舆情分析场景。

图像相关性标注关注视觉内容关联性。目标-场景相关性标注识别物体与环境的关联程度，如检测行人是否属于街道场景。图像语义相关性比较两幅图像的语义关联度，用于图像检索与匹配。多模态相关性标注跨越文本与图像领域，评估图文匹配程度，为跨模态学习提供数据支持。

信息来源：网易伏羲