《香港二十世紀中期粵語語料庫》打包器

香港二十世紀中期粵語語料庫含人工分詞後的電影對話句子，非常適合作為 NLP 的分詞任務語料，或作為 Dialogue System 的對話語料。

本程序目的是打包香港二十世紀中期粵語語料庫的語料成 CSV 檔案，為方便 NLP / Machine Learning 的朋友使用。

因版權問題 Repo 內不包含語料庫內容，請先到 http://corpus.ied.edu.hk 註冊後登入，再把瀏覽器中的 Cookie PHPSESSID 加到 Enviroment Variable 中

export SESS_ID=xxxxxxxx

後再執行:

python main.py

Improvement

因 http://corpus.ied.edu.hk 的網站不太 stable 中間多次 timeout，需加 resume 的功能。

Author

Joseph Cheng / @indiejoseph