最終更新:2011-01-02 (日) 01:12:01 (4857d)
日本語ウェブコーパス
Top / 日本語ウェブコーパス
http://s-yata.jp/corpus/nwc2010/
パッケージ
| HTML アーカイブ | 約 1 億件の HTML 文書 | 圧縮時 197GB，展開時 3.25TB |
| テキストアーカイブ | HTML アーカイブから抽出されたテキスト | 圧縮時 69GB，展開時 396GB |
| 形態素解析結果 | タグなしテキストの形態素解析結果（MeCab） | 圧縮時 115GB，展開時 4.36TB |
| 形態素 N-gram | 圧縮時 12.1GB，展開時 75.2GB | |
| 文字 N-gram | 圧縮時 11.8GB，展開時 81.7GB |
- タグ使用頻度 - HTML タグの使用頻度（TF・DF）
- セクションターゲット - セクションターゲット（AdSence?）の用例
- ツールキット - テキストアーカイブや N-gram コーパスの作成ツール
