文档中心

创建数据集

在训练模型之前，需要在【数据总览】里面“创建数据集”。需输入数据集名称、选择相应的标注模版、选择数据去重策略，即可创建一个空数据集。

数据自动去重即平台对您上传的数据进行重复样本的去重。建议创建数据集时选择「数据自动去重」

导入无标注数据

创建数据集后，在「数据总览」页面中，找到该数据集，点击右侧操作列下的「导入」，即可进入导入数据页面。

您可以使用3种方案上传数据，分别为：

• 本地导入
• BOS目录导入
• 分享链接导入

本地导入

您可以通过以下三种方式进行本地数据的导入：

• 以压缩包的方式上传
• 以TXT文本文件方式上传
• 以Excel文件的方式上传

通过压缩包上传时，需注意：

• 压缩包内的一个文本文件将作为一个样本上传。压缩包格式为.zip格式，压缩包内文件类型支持txt，编码仅支持UTF-8
• 每组数据的数建议不超过512个字符，超出将被截断

通过TXT文本上传时，需注意：

• 文本文件内数据格式要求为"文本内容\n"（即每行一个样本，使用回车换行），每一行表示一组数据，每组数据的数建议不超过512个字符，超出将被截断
• 文本文件类型支持txt，编码仅支持UTF-8，单次上传限制100个文本文件，最多可上传100万个文件

通过Excel文件上传时，需注意：

• Excel文件内首行为表头，每行为一个样本，每个样本字符数不得超过512个字符，超出将被截断
• 文件格式支持xlsx格式，单次可上传100个文件

BOS目录导入

需选择Bucket地址与对应的文件夹地址。

请确保将全部文本已通过txt文件保存至同一层文件目录，该层目录下子文件目录及非相关内容（包括压缩包格式等）不导入。

分享链接导入

需输入链接地址。分享链接导入的要求如下：

• 仅支持来自百度BOS、阿里OSS、腾讯COS、华为OBS的共享链接

导入有标注数据

创建数据集后，在「数据总览」页面中，找到该数据集，点击右侧操作列下的「导入」，即可进入导入数据页面。

您可以使用本地上传的方案上传数据。 您可以通过以下三种方式进行本地数据的导入：

• 以Excel文件的方式上传
• 以API的形式导入

通过Excel文件上传时，需注意：

• Excel文件内首行为表头，每行为一个样本，每个样本字符数不得超过512个字符，超出将被截断
• 文件格式支持xlsx格式，单次可上传100个文件

通过API上传时，需注意：

• 可参考以下文档：实体抽取API数据管理

什么是实体类别？

实体类别（Entity Type）是指某类事物的集合，每一类数据对象的个体称为实体，如人/角色（例如学生），对象（例如发票），概念（例如简介）或事件（例如交易）。实体类别名标签名由数字、中英文、中/下划线组成，长度上限256字符