書誌事項
- タイトル別名
-
- Building NINJAL Web Japanese Corpus : Use and Application
- 超大規模コーパス構築プロジェクト 日本語Webコーパスの構築 : 利活用
- チョウダイキボ コーパス コウチク プロジェクト ニホンゴ Web コーパス ノ コウチク : リ カツヨウ
この論文をさがす
抄録
国立国語研究所言語資源研究系・コーパス開発センター
国立国語研究所コーパス開発センターでは2011年より超大規模コーパス構築プロジェクトとして,Webを母集団とした100億語規模のコーパスの構築を進めている。構築にあたっては,工程を収集・組織化・利活用・保存の4つに分割して実装を進めている。2012年第4四半期より3か月ごとに1億URLのクロールを繰り返し実施している。本稿では構築されたコーパスデータの基礎統計量を示し,本コーパスを用いて,どのような理論的・応用的研究が可能になると考えられるかを論じる。
In 2011, the National Institute for Japanese Language and Linguistics launched a corpus compilation project with the aim of constructing a ten-billion-word Web corpus. The project was split into the following four sub-projects: page collection, linguistic annotation, release, and preservation. In the page collection stage, crawling began during the fourth quarter of 2012. We crawled 100 million URLs every three months as fixed-point observations. This paper presents the basic statistics of the crawled data and discusses possible theoretical and practical implications of these language resources.
application/pdf
収録刊行物
-
- 国語研プロジェクトレビュー = NINJAL Project Review
-
国語研プロジェクトレビュー = NINJAL Project Review 6 (1), 1-10, 2015-06
国立国語研究所
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390009224767915904
-
- NII論文ID
- http://ci.nii.ac.jp/naid/KJ00009788019
- 110009910085
-
- NII書誌ID
- AA12480598
-
- ISSN
- 21850100
- 21850119
-
- NDL書誌ID
- 027580087
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- IRDB
- NDL
- CiNii Articles