原书出处
从零构建大模型:算法、训练与微调
06 数据处理与数据增强
(3)去除标点符号和特殊字符:使用正则表达式“[^\u4e00-\u9fa5a-zA-Z0-9\s]”保留汉字、字母、数字和空格,其余符号均替换为空字符,以减少文本噪声。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/从零构建大模型:算法、训练与微调/_epub-src/EPUB/xhtml/chapter010_0001.xhtml
EPUB SHA-256:842d8d446ef11b03a65871e0294e4c77b0cbfd2b0d2f70e26bd747530b867901