Closed mikhaylova-daria closed 8 years ago
Сгенерировали 4 Гб текстов, затем исключили из корпуса те, разметка которых заведома некорректна (префикс упоминания в файле json не соответствует префиксу слова, расположенному по смещению, указанному для этого упоминания в json, порядка 25% отсеяно)
Сформировать безлайн по парсингу и разметке. Сгенерировать корпус из 50-80 Мб текстов с валидной разметкой.