LLM-文本标准化（DLC）组件主要用于将文本Unicode标准化以及繁体转简体。输入的OSS数据文件（JSONL格式，示例）需符合：每一行是一个合法的JSON对象，文件由多行JSON对象组成，整个文件本身不是合法的JSON对象。
支持的计算资源
算法说明
LLM-文本标准化组件支持以下功能：
将Unicode文本标准化，使用NFKC的方式标准化文本。
ftfy.fix_text(text, normalization='NFKC')繁体转成简体使用opencc包转换。
使用
opencc包转换。
效果如下：
处理前
| 处理后
|
配置组件
在Designer工作流页面添加LLM-文本标准化（DLC）组件，并在界面右侧配置相关参数：
参数类型 | 参数 | 是否必选 | 描述 | 默认值 | |
字段设置 | 目标处理字段 | 是 | 要处理的字段名称。 | 无 | |
是否将Unicode文本标准化（NFKC方式） | 否 | 是否将Unicode文本标准化（NFKC方式）。 | 选中 | ||
是否将繁体转简体 | 否 | 是否将繁体转简体。 | 选中 | ||
数据输出OSS目录 | 否 | 处理后数据的OSS存储目录。如果为空，使用工作空间默认路径。 | 无 | ||
执行调优 | 多进程个数 | 否 | 设置进程数。 | 8 | |
选择资源组 | 公共资源组 | 否 | 选择节点规格（CPU或GPU实例规格）、节点数量、专有网络。 | 无 | |
专有资源组 | 否 | 选择CPU核数、内存、共享内存、GPU卡数、节点数量。 | 无 | ||
最大运行时长 | 否 | 组件最大运行时长，超过这个时间，作业会被kill。 | 无 | ||
反馈
- 本页导读
文档反馈