GSK2020-E 「国語研日本語ウェブコーパス」NWJC-BERT

Description: 「国語研日本語ウェブコーパス」 NWJC-BERTは、国立国語研究所コーパス開発センター超大規模コーパスプロジェクト(2011-2015年度)で整備されたウェブテキストコーパス (2014年第4四半期データ)から訓練した BERT モデルである。同データの 6単語以上の文 226億語から UniDic 語彙素(表層形ではない)に基づいて訓練した。形態素解析は、MeCab-0.996 と UniDic-2.1.2による。語彙は、UniDic の機能語(語彙素)と UniDic-分類語彙表対応表中の語彙素 48,914語彙素からなる。
Creator: 人間文化研究機構 国立国語研究所 コーパス開発センター
Price: 会員・個人利用11,000円、会員・団体(非営利)利用22,000円、会員・団体(営利)利用44,000円。
非会員・個人利用22,000円、非会員・団体(非営利)利用33,000円、非会員・団体(営利)利用66,000円。
別途、送料3,300円。
Date:2020.9
Format:1 USB flash drive (1.5GB)
Format.encoding:UTF-8
Language:Japanese
Relation: GSK2020-C 「国語研日本語ウェブコーパス」n-gram データ・頻度表
GSK2020-D 「国語研日本語ウェブコーパス」NWJC2vec
上記言語資源の入手にあたっては、利用申請書兼誓約書(「国語研日本語ウェブコーパス」NWJC-BERT) に必要事項をご記入いただき、メール、FAX、郵便等にて、事務局までお送り下さい。 折り返し、ご請求書をお送りしますので、宛名等ご指定のある場合は申請時にお知らせください。また、利用申請書兼誓約書の記入にあたっては「会員種別と利用種別の個人・団体について」をご確認下さい。