原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
7.2.4LLM分词器在NLP中，tokenizer（分词器）是一个非常重要的工具，它的主要作用是将文本字符串分割成一系列单词或词汇单元（tokens），这些tokens可以是单词、短语、标点符号或其他元素。Tokenizer既可以是软件工具，也可以是嵌入在软件库或框架中的一个功能模块。它是一个用于文本处理的工具，可以在不同的软件环境和编程语言中实现和使用。 1.tokenizer的关键点 （1）基本功能 ·切分文本：将连续的文本分割成独立的token。 ·标准化：例如，将所有文本转换为小写，去除标点符号等。 ·词汇化：将变体的词汇形式（如复数形式、时态变化）映射回基本形式。
文档评论（0）