Goal
ルールベースのフィルタリング方法を決定し，実装する
フィルタリング①：削除する文章
有害（主にアダルト），短すぎて内容が無い文章
フィルタリング②：Rephrasingに回す文章
単語の羅列など，形式が不十分なもの
入力データのサンプル（新CommonCrawl, 776件）
sample_data.jsonl