Entity Linkage.
Предположим у нас есть 250 000 документов. Каждый может быть от 5000 до 100 000 токенов. Таким образом датасет достаточно большой.
Сущностей всего 9 типов.
 - номер документа, название, какой-то идентификатор в правовой системе в относительно свободной форме
 - упоминание другого документа из корпуса
 - упоминание другого документа не из корпуса (например на законодательства РФ)
 - упоминание "ответственного" лица, например руководителя, который подписал приказ или инструкцию
 - упоминание исполнителей приказа или инструкции
 - упоминание юрлиц
 - упоминание адресов
 - упоминания дат "начала" (например поставок или трудового договора)
 - упоминания дат "конца"

Есть разметка сущностей на 1366 документах.

Так же есть метаданные для документов. Где могут содержаться сущности, упомянутые выше, без привязки к тексту (мы знаем, что сущность в тексте должна быть, но не знаем где), известно, что как минимум в 60% случаев метаданные корректны. Однако они могут устареть, могут содержать опечатки и тд. При несовпадении сущностей из документа и метаданных корректными считаются сущности из текста документа.

2 задачи:
 - для корпуса документов проверить, корректность метаданных каждого документа
 - в реальном времени находить документы, которые ссылаются на документ, который мы запросили (в качестве запроса отдаём документ, в ответ получаем список документов, в которых на него есть ссылка)