Основен корпус (blsc-core)
Core corpus (blsc-core)
Канонични и исторически текстове със стабилни идентификатори, JSON метаданни на ниво документ, класификация по жанр, период, писменост и ясни авторски права.
Canonical texts with stable IDs, document-level JSON metadata, genre and period classification, script information, and machine-readable rights.
- Фокус изцяло върху българския език и писменост.
- Полета за правопис и период според историческите реформи.
- Точен брой токени и маркери за наличните анотации.
- Bulgarian language only (for now).
- Orthography & period fields tied to historical reforms.
- Explicit token counts and annotation-layer flags.