上传NLP分词词典 - ElasticsearchBES | 百度智能云文档
可选参数：tab、space(空格)。例如：（1）干预规则为tab： 中华(tab)民(空格)国 -- 切词结果：中华，民(空格)国。（2）干预规则为空格：中华(tab)民(空格)国 -- 切词结果：中华，民，国 dictContent 否 String 直接输入文本作为词典，当配置方式选择输入文本（text）时必须填写。
知识库管理 - ModelBuilder
示例如下： 预处理规则：替换连续的空格、换行符和制表符或删除所有URL和电子邮件地址。 分段清洗提示说明 为什么要数据处理 ？ 在处理文本数据时，分段和清洗是两个重要的预处理步骤。通过对数据集进行适当的分段和清洗，可以提高模型在实际应用中的表现，从而为用户提供更准确、更有价值的结果。 分段的目的是什么 ？ 分段的目的是将长文本拆成小段落、以便模型更有效的处理和理解。
创建作业 - MapReduce BMR_全托管Hadoop/Spark集群
应用程序参数：除了以上五种streaming program作业必须输入的参数外，若您还有其他参数的设置，请在参数输入框中以空格为分隔符输入参数配置。用户输入参数时，只需要输入参数本身字符串即可，用空格分隔，无需参数转义和url encode。 Java作业 作业名称：输入作业名称，长度不可超过255个字符。 应用程序位置：输入JAR包在bos上的地址。
查看数据清洗任务详情 - ModelBuilder
replace_uniform_whitespace：将不同的unicode空格比如 u2008，转成正常的空格 · remove_non_meaning_characters：去除乱码和无意义的unicode · replace_traditional_chinese_to_simplified：繁体转简体，如“不經意，妳的笑容”清洗成“不经意，你的笑容” · remove_web_identifiers
查看清洗任务列表 - ModelBuilder
replace_uniform_whitespace：将不同的unicode空格比如 u2008，转成正常的空格 · remove_non_meaning_characters：去除乱码和无意义的unicode · replace_traditional_chinese_to_simplified：繁体转简体，如“不經意，妳的笑容”清洗成“不经意，你的笑容” · remove_web_identifiers
创建数据清洗任务 - ModelBuilder
replace_uniform_whitespace：将不同的unicode空格比如 u2008，转成正常的空格 · remove_non_meaning_characters：去除乱码和无意义的unicode · replace_traditional_chinese_to_simplified：繁体转简体，如“不經意，妳的笑容”清洗成“不经意，你的笑容” · remove_web_identifiers
基于 Notebook 的 NLP 通用模板使用指南 - BML 全功能AI开发平台 | 百度智能云文档
tokenizer": { "type": "FullTokenizer", ## 指定该文本域的tokenizer为FullTokenizer，type的取值是对应Tokenizer的类名， "split_char": " ", ## 非Ernie任务需要自己切词，切词之后的明文使用的分隔符在这里设置，默认是通过空格区分不同的
对象标签 对象存储（BOS）
标签键不可重复，长度范围为1-127个字符，支持大小写字母、数字、空格和以下符号： +‑=._:/。 标签值长度范围为1-125个字符，支持大小写字母、数字、空格和以下符号： +‑=._:/。 归档类型对象未取回时不支持设置标签，请先取回后再设置。 需要确保拥有PutObjectTagging权限才可设置对象标签。 操作步骤 登录 BOS 管理控制台 ，进入全局概览页面。
010-NLP算法 - BML 全功能AI开发平台 | 百度智能云文档
0.8 选择预训练模型 是 选择预训练模型 中文训练模型 字段参数 参数名称 是否必选 参数描述 默认值 文本列 是 请选择文本列，句子分字，字之间必须以空格间隔，类型为字符串。 无 标签列 是 请选择标签列，采用BIO格式标注方式，标签之间必须以空格间隔且个数和文本列相同，类型为字符串。 无 使用示例 BIO方式标注的数据。
配置文件 对象存储（BOS）
bucketA prefixA / aaa / object3 prefixB / bbb / object3 bucketA prefixA / aaa / object4 prefixB / bbb / object4 以上内容和 listDelimiter 和 listFormat 参数一一对应，每一行包括3列，分别是bucketName、objectName和dstObjectName，每一列之间用空格分隔
