semaphore提示您：看后求收藏（新笔趣阁www.xbqg5200.com），接着再看更方便。
总，进行数据预处理。
采集到的数据需经过清洗和预处理，才能用于后续的分析。
数据预处理的步骤包括：
数据清洗：删除重复的记录，校正错误的数据格式，填补缺失值。
数据整合：将来自不同来源的数据整合到一个统一的格式和数据库中，如表 3.1 所示，以便进
为了使后续知识库生成更加准确与完善，对文献具体内容进行筛选。例如部分文献中并未提到
所用数据，而是指出所用数据库链接，如图 3.3 所示，在对该篇文献进行解析后，数据部分就是欠
缺的，最终构建的知识库就不完整，在调用大模型回答相关问题时，极大概率产生幻觉。因此为了
构建更为准确的专业模型，对爬取下来的 507 篇文献进行筛选，选择包括流程图（system
boundaries）、各单元过程或生产环节的投入（ input），产出（ output），数据（ ），以及数据的时间、地点、获取方法、技术细节的文献作为最后应用的数据。核对内容
后的文献数据集共 98 篇英文文献。
数据预处理
Unstructured 库是一个强大的工具，专为处理非结构化数据设计，具体流程如图 3.7 所示，
如从文本文档、PDF 文件或网页中提取数据。它支持多种数据提取方法，包括正则表达式匹配、自
