图文导入¶

在导入图文前，需要将导入的语料进行处理后再导入（目前仅支持 Word 和 Excel 的图文处理）。

预处理 Docx 文档¶

1. 直接支持带图文的 Docx 文档按照约定的字符长度分割

   

2. 也支持手工用 <split></split> 标签，提前规划好文档分割段落。

   

   对于 Docx 文档中的图片信息，整理的时候请直接粘贴到文档（不要使用形状或者文本框包裹图片）以免程序无法检测从而遗漏图片的处理。

预处理 xlsx 文档¶

xlsx 文件需要符合固定的模板格式：

Q：问题，A：答案。

对于 xlsx 文档，请按照模板要求整理，插图请尽量放一个在单元格中，尽量不要横跨几个单元格放置。

生成图文语料¶

1. 登录环境: https://console.d.run/ai-tools/lab? 密码：aitools。

   

2. 上传语料文件，进入目录 /app/corpus_processing/input 下，上传语料文件到此目录下。

   

3. 点击运行代码。

   

4. 下载生成图文语料文件。进行目录/app/corpus_processing/output 下载 zip 文件。

   

5. 清理环境。清理输入和输出文件，以及清理运行日志文件。

   

   Note

   该环境为公共的环境，私有的语料文件操作后，建议执行清理环境操作。

导入下载的文件¶

1. 点击 语料导入 -> 图文导入

2. 将处理好的文件上传，并进行向量化，等待处理成功