- input：-
- output：
raw_data/zhwiki-latest-pages-articles.xml.bz2 - script：
download_wikipedia_raw_corpus.bash
- input：
raw_data/zhwiki-latest-pages-articles.xml.bz2 - output：
extracted_json_data/**/* - script：
extract_wikipedia_json_corpus.bash
- input：
extracted_json_data/**/* - output：
spacy_standard_plain_files/* - script：
json_corpus_to_plain_text.bash
- input：
spacy_standard_plain_files/* - output：
normaled_plain_files/* - script：
normal_text.bash
- input：
normaled_plain_files/* - output：
sentence_data/* - script：
split_text_to_sentence.bash
- input：
sentence_data/* - output：
token_cleaned_plain_files/* - script：
token_plain_text.bash