LLM-特殊字元佔比過濾（DLC）組件主要用於根據特殊字元在過濾樣本中的佔比，保留在指定比例範圍內的樣本。輸入的OSS資料檔案（JSONL格式，樣本）需符合：每一行是一個合法的JSON對象，檔案由多行JSON對象組成，整個檔案本身不是合法的JSON對象。
支援的計算資源
演算法說明
遍曆文本中的每個字元，並統計特殊字元個數占文本總長度的比例。
預設特殊字元包括：標點符號（string.punctuation）、數字（string.digits）、空格符號（string.whitespace）、emoji表情包以及一些特殊字元。
配置組件
在Designer工作流程頁面添加LLM-特殊字元佔比過濾（DLC）組件，並在介面右側配置相關參數：
參數類型 | 參數 | 是否必選 | 描述 | 預設值 | |
欄位設定 | 目標處理欄位 | 是 | 要處理的欄位名稱。 | 無 | |
比例最小值 | 否 | 特殊字元個數占文本總長度比例小於該值將被過濾掉，float類型。 | 0 | ||
比例最大值 | 是 | 特殊字元個數占文本總長度比例大於該值將被過濾掉，float類型。 | 無 | ||
資料輸出OSS目錄 | 否 | 處理後資料的OSS儲存目錄。如果為空白，使用工作空間預設路徑。 | 無 | ||
執行調優 | 多進程個數 | 否 | 設定進程數。 | 8 | |
選擇資源群組 | 公用資源群組 | 否 | 選擇節點規格（CPU或GPU執行個體規格）、節點數量、專用網路。 | 無 | |
專有資源群組 | 否 | 選擇CPU核心數、記憶體、共用記憶體、GPU卡數、節點數量。 | 無 | ||
最大運行時間長度 | 否 | 組件最大運行時間長度，超過這個時間，作業會被kill。 | 無 | ||