문장단위로 분절된 한국어 위키피디아 코퍼스. Releases에서 다운로드 받거나 tfds-korean으로 사용해주세요.
This work is licensed under a Creative Commons Attribution-ShareAlike 3.0 Unported License.
Releases , tfds-korean ( ) .
wikiextractor , <doc>
.
kss .
.
.
.
, .
1
1 - 1
1 - 2
1 - ...
1 - n
2
2 - 1
2 - 2
2 - ...
2 - m
3
3 - 1
3 - 2
3 - ...
3 - m
...
(, 1989 10 3 ~ ) KBO NC .
KBO KIA .
- .
2008 2 4 8( 32) LG .
2 2010 .
.
4 34.2 2 1, 2.34.
, , , , , , 2008 2012 2 1 1 .
- 2012 .
2 1( 10) , 2011 .
, 2011 .
2 94 0.303, 16, 67, 29, 33 .
4 .
, 3 .
2012 .
...
```sh
docker run \
--rm \
-it \
-w /app \
-v `pwd`:/app \
-v WIKI_FILE_PATH:/wiki.xml.bz2:ro \
-e WIKI_FILE=/wiki.xml.bz2 \
python:3.6 bash -c ./extract-text.sh
```
`<doc></doc>` .
```sh
docker run \
--rm \
-it \
-w /app \
-v `pwd`:/app \
python:3.6 bash -c ./preprocess-text.sh
```