# Fase 2: dataset per classificatore italiano

Genera coppie bilanciate `[frase A, frase B]`, dove la label indica se B è la versione corretta.

```bash
python make_training_pairs.py ~/epub-corrector/input/a.epub --pairs 20000 --output pairs.jsonl
python check_dataset.py pairs.jsonl
python split_dataset.py pairs.jsonl --outdir data
```

Nota: usare un solo libro rischia overfitting stilistico. Questa è una prova di fattibilità; per il modello finale servono più fonti italiane pulite e un test manuale separato.