minor stylistic changes in readme

README.md

@@ -85,9 +85,9 @@ print(text)
 Модель разрабатывается с прицелом на использование в [чатботе](https://github.com/Koziev/chatbot). Она поддерживает некоторые
 типичные ситуации в читчате, которые перечислены далее.
 
-В примерах после символа ⇒ идет эталонная раскрытая реплика.
+В примерах после символа ⇒ идет эталонная раскрытая реплика, которую должна сгенерировать модель.
 
-Эллипсисы:
+[Эллипсисы](https://ru.wikipedia.org/wiki/%D0%AD%D0%BB%D0%BB%D0%B8%D0%BF%D1%81%D0%B8%D1%81):
 
 ```
 - Как же тебя зовут, а?
@@ -102,7 +102,7 @@ print(text)
 - А ты мне здоровую купи.  ⇒ купи мне здоровую собаку
 ```
 
-Анафора:
+[Анафора](https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D1%84%D0%BE%D1%80%D0%B0_(%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0)):
 
 ```
 - Ты собак любишь?
@@ -117,7 +117,7 @@ print(text)
 - А что в ней было?  ⇒ что было в коробке|голове?
 ```
 
-Гэппинг:
+[Гэппинг](https://ru.wikipedia.org/wiki/%D0%AD%D0%BB%D0%BB%D0%B8%D0%BF%D1%81%D0%B8%D1%81#%D0%93%D1%8D%D0%BF%D0%BF%D0%B8%D0%BD%D0%B3_(en:Gapping)):
 
 ```
 - Ты кошек любишь?
@@ -131,7 +131,7 @@ print(text)
 - Не я - отец.  ⇒  Я не получаю пенсию. Отец получает пенсию
 ```
 
-Восстановление необязательного подлежащего (см. pro drop):
+Восстановление необязательного местоименного подлежащего (см. [pro drop](https://en.wikipedia.org/wiki/Pro-drop_language)):
 
 ```
 - Согласна?
@@ -213,22 +213,22 @@ print(text)
 Если русскоговорящие предпочитают OVS вместо формального SVO, то модель будет выдавать именно OVS:
 
 ```
-У тебя штрафы были?
-Нет, их никогда не было ⇒ у меня никогда не было штрафов
+- У тебя штрафы были?
+- Нет, их никогда не было ⇒ у меня никогда не было штрафов
 ```
 
 Модель обычно вставляет личные местоимения, даже если форма глагола позволяет обойтись без них:
 
 ```
-Жару любишь?
-Ненавижу ее  ⇒ я ненавижу жару
+- Жару любишь?
+- Ненавижу ее  ⇒ я ненавижу жару
 ```
 
 Сложносочиненные ответы разбиваются на отдельные клаузы, чтобы downstream pipeline мог обработать их последовательно:
 
 ```
-Тебя как зовут?
-Кортана, а тебя как?  ⇒  Меня зовут Кортана. Как тебя зовут?
+- Тебя как зовут?
+- Кортана, а тебя как?  ⇒  Меня зовут Кортана. Как тебя зовут?
 ```
 
 В качестве контекста можно подавать последние 2 или 3 реплики. Более длинные отношения весьма редки, чтобы ради них усложнять датасет.
@@ -236,11 +236,11 @@ print(text)
 результат их раскрытия моделью:
 
 ```
-Где живешь?
-В Шанхае  ⇒ я живу в Шанхае
-Давно?   ⇒  ты давно живешь в Шанхае?
-Два года уже  ⇒ я уже два года живу в Шанхае
-Как там погода?  ⇒ как там погода в Шанхае?
+- Где живешь?
+- В Шанхае  ⇒ я живу в Шанхае
+- Давно?   ⇒  ты давно живешь в Шанхае?
+- Два года уже  ⇒ я уже два года живу в Шанхае
+- Как там погода?  ⇒ как там погода в Шанхае?
 ```
 
 Последнее, что хочется отметить: модель обучена **только** на диалоговых данных с короткими репликами (читчат).