日本語のデータセット

日本語のNGSLに相当するもの

国立国語研究所が出してるもの
国語研コーパスポータル

• BCCWJ
  • 現代日本語書き言葉均衡コーパス
  • NINJAL-LWP for BCCWJ (NLB)
• Webからデータを集めたやつ。
  • 『国語研日本語ウェブコーパス』 | 国立国語研究所「超大規模コーパスプロジェクト」
• 話し言葉コーパスなるものもあるみたい。
  • https://www2.ninjal.ac.jp/conversation/cejc.html
  • これ最強です。

つくばウェブコーパス
日本語ウェブコーパス NINJAL-LWP for TWC
トップ ┃ NINJAL-LWP for TWC (NLT)

なんか、つくばウェブコーパスさ、委員が経済とか目的より頻度的に多いの、
絶対行政のサイト解析しすぎてるから、ちょっとなというのはある。

話し言葉コーパスかな。。。。