LLM-文本質(zhì)量打分FastText(MaxCompute)
LLM-文本質(zhì)量打分(FastText)組件主要用于大語言模型(LLM)的文本數(shù)據(jù)預(yù)處理工作,使用FastText模型對(duì)文本進(jìn)行質(zhì)量打分,并根據(jù)得分過濾樣本。
使用限制
僅支持MaxCompute計(jì)算引擎。
算法簡(jiǎn)介
使用FastText模型識(shí)別文本的質(zhì)量,返回label id和置信度。支持batch推理。
可視化配置參數(shù)
您可以在Designer中,通過可視化的方式配置組件參數(shù)。
頁簽 | 參數(shù) | 是否必選 | 描述 | 默認(rèn)值 |
字段設(shè)置 | 選擇目標(biāo)處理列 | 是 | 選擇要處理的列。 | 無 |
全局唯一字段列 | 是 | 該列的值必須是全局唯一。 | 無 | |
將所有樣本切分成多少組 | 否 | 控制groupby的分組數(shù)使得每一批記錄默認(rèn)在指定級(jí)別左右。 | 10000 | |
是否保存質(zhì)量標(biāo)簽和置信度 | 否 | 是否將質(zhì)量結(jié)果保存到輸出表中。如果勾選,則在輸出表中新增兩列用來存儲(chǔ)計(jì)算結(jié)果;否則不做存儲(chǔ)。
| 無 | |
SQL腳本 | 否 | where語句填寫,質(zhì)量標(biāo)簽?zāi)J(rèn)保存到quality_label列,置信度默認(rèn)保存到quality_score列,可根據(jù)這兩列的結(jié)果進(jìn)行過濾。例如: | 無 | |
設(shè)置輸出表生命周期 | 否 | 正整數(shù),單位為天。默認(rèn)28天,28天后該組件產(chǎn)生的臨時(shí)表被回收。 | 28 | |
執(zhí)行調(diào)優(yōu) | 每個(gè)實(shí)例的cpu數(shù)目 | 否 | 設(shè)定map task每個(gè)instance的CPU數(shù)目,取值范圍為[50,800]。 | 100 |
每個(gè)實(shí)例的memory大小,單位M | 否 | 設(shè)定map task每個(gè)instance的memory大小,單位為MB,取值范圍為[256,12288]。 | 1024 | |
每個(gè)實(shí)例處理的數(shù)據(jù)大小,單位M | 否 | 設(shè)定map task每個(gè)instance的最大處理數(shù)據(jù)量,用戶可以通過控制該變量,實(shí)現(xiàn)對(duì)map端輸入的控制。單位為MB,取值范圍為[1,Integer.MAX_VALUE]。 | 256 |
相關(guān)文檔
關(guān)于Designer組件更詳細(xì)的內(nèi)容介紹,請(qǐng)參見Designer概述。