一、任务背景
某健康咨询平台收集了 5000 条用户问诊文本，用于训练症状分类模型。数据存在：缺失主诉、重复提问、错别字、同一症状多种表述等问题。请你制定一套清洗与标注规范，交给两名标注员执行。
二、任务要求
- 清洗规范：覆盖缺失值、重复值、文本规范三类问题，每类给出可判定的标准
- 标注规范：定义标注类别、边界情形处理、一致性校验方式
- 说明规范如何落地执行（标注员怎么用、怎么复核）
三、作答框架（建议结构）
| 部分 | 写什么 | 篇幅参考 |
|---|---|---|
| 清洗规则 | 问题类型 / 判定标准 / 处理动作（表格形式） | 3 类 6-9 行 |
| 标注规范 | 类别定义＋边界规则＋示例 | 6-8 行 |
| 执行与复核 | 标注流程、一致性检查、争议处理 | 3-5 行 |
四、参考要点（先自己写，再展开对照）
点击展开参考要点清单
- 判定标准要可操作：如"主诉缺失＝文本中无明确症状描述且长度＜5 字"，而不是"内容不完整的删除"
- 重复值：定义"重复"（完全一致 / 语义相似度阈值），处理（保留时间最早或信息最全的一条）
- 文本规范：错别字与口语表述先建对照表（如"咳嗽/咳嗦/咳嗽了"归并），不直接改写原意
- 标注类别：类别数量适中（如 8-12 类），每类给出 2 个示例；"多症状"情况规定主类别判定规则
- 一致性校验：双人独立标注 10% 样本，一致率不达标则回训规范；争议样本由第三方裁决并补入规范
五、常见扣分点
- 规范只有动作没有判定标准（"清洗异常数据"式表述）
- 标注类别无边界规则，多症状/模糊样本没有处理办法
- 没有一致性校验设计
- 把规范写成一次性说明，没有迭代机制