能否共享断句脚本

[nuclear-missile]

我们有200m左右没有断句的数据, 想并入此数据集, 请求大佬能否提供断句脚本

[Luoyingfeng8]

你好，感谢对我们工作的关注，脚本实际上不复杂，我们主要是按照标点符号（句号分号感叹号问号）来分别对篇章级的文言文和现代文进行切分形成句子级，之后利用编辑距离来对两者对应行附近范围内的行（因为一行文言文可能对应多行现代文）进行匹配对齐，然后对匹配不上的位置进行人工对齐，最后可以再通过长度比、编辑距离、抽样人工校对的方式对对齐内容进行检查。