首页
/ Data-Juicer v1.3.1 版本发布:引入HumanOps框架与多项优化

Data-Juicer v1.3.1 版本发布:引入HumanOps框架与多项优化

2025-06-13 16:36:28作者:平淮齐Percy

Data-Juicer 是一个专注于数据清洗和预处理的强大工具集,旨在帮助数据科学家和机器学习工程师高效地处理和优化训练数据。最新发布的 v1.3.1 版本带来了一系列重要更新,特别是引入了创新的HumanOps框架原型,为数据标注工作流提供了全新支持。

HumanOps框架:人机协作的数据处理新范式

本次更新的核心亮点是HumanOps框架的原型实现,这是一个专门为支持基于Label Studio的人工标注操作而设计的系统。该框架包含几个关键组件:

  1. 基础架构支持:提供了完整的样板代码,使得在数据处理流程中集成人工标注环节变得简单直接
  2. 参考实现:包含了一个人类偏好标注的参考实现,展示了如何在实际项目中应用这一框架
  3. 灵活部署:通过提供的服务脚本,用户可以选择使用Docker或pip来启动本地Label Studio实例
  4. 事件驱动设计:创新的混合事件驱动和通知机制框架,确保操作流程的高效协调

这一框架特别适用于需要人类专家介入的数据处理场景,如质量验证、内容标注或复杂决策等环节,为人机协作的数据处理流程提供了标准化解决方案。

新增数据处理操作符(OPs)

v1.3.1版本引入了两个新的数据处理操作符,进一步丰富了Data-Juicer的功能集:

  1. HTML表格提取器:专门设计用于从HTML文本中提取表格数据,解决了网页内容处理中的一个常见需求
  2. 通用融合操作符:这是一个创新设计,允许用户显式地将多个顺序操作融合在一起,对同一批数据执行连续处理,提供了更精细的数据处理控制能力

系统稳定性与用户体验优化

在系统稳定性方面,本次更新修复了多个关键问题:

  • 解决了数据集构建器初始化失败的问题
  • 更新了Executor相关引用,确保代码一致性
  • 调整了可视化后端的处理方式,避免了子进程/线程错误
  • 修复了多个去重操作符中的边界条件问题

此外,本次更新还增强了数据集加载时的检查机制,支持在DefaultExecutor.run方法中直接传递数据集,简化了API使用流程。文档方面也进行了更新,特别突出了轻量级环境安装部分,帮助新用户更快上手。

总结

Data-Juicer v1.3.1版本通过引入HumanOps框架,为人机协作的数据处理开辟了新途径,同时通过新增的操作符和多项优化,进一步提升了工具的实用性和稳定性。这些改进使得Data-Juicer在数据预处理领域继续保持领先地位,为机器学习项目的数据准备工作提供了更加强大和灵活的支持。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8