LLM-文章內句子去重組件主要用于大語言模型（LLM）的文本數據預處理工作，對文章內的語句進行去重。
使用限制
僅支持MaxCompute計算引擎。
算法簡介
首先根據換行符將文本進行拆分，然后對拆分后的每行文本使用。,！,？,……,\\?,!,。”,!”,\\?”,！”,？”等標點符號進行語句分割，再使用hashlib.sha1哈希算法計算文本哈希值，對文本去重。
可視化配置參數
您可以在Designer中，通過可視化的方式配置組件參數。
頁簽 | 參數 | 是否必選 | 描述 | 默認值 |
字段設置 | 選擇目標處理列 | 是 | 選擇要處理的列，支持選擇多個列。 | 無 |
設置輸出表生命周期 | 否 | 正整數，單位為天。默認28天，28天后該組件產生的臨時表被回收。 | 28 | |
執行調優 | 每個實例的cpu數目 | 否 | 設定map task每個instance的CPU數目，取值范圍為[50,800]。 | 100 |
每個實例的memory大小，單位M | 否 | 設定map task每個instance的memory大小，單位為MB，取值范圍為[256,12288]。 | 1024 | |
每個實例處理的數據大小，單位M | 否 | 設定map task每個instance的最大處理數據量，用戶可以通過控制該變量，實現對map端輸入的控制。單位為MB，取值范圍為[1,Integer.MAX_VALUE]。 | 256 |
相關文檔
關于Designer組件更詳細的內容介紹，請參見Designer概述。
文檔內容是否對您有幫助？