ついにGoogleの5-gramコーパスがLCDからでました。そのテキストの多さはおそろしく大きく（6枚のDVDに24Gの圧縮されたテキストが入っているそうです）。Token数は1兆語、5-gramでも1億語あるそうです（以下に語彙数をリストアップしています）。
詳しくは、LCDのカタログ
http://
を。
Number of tokens: 1,024,908,267,229
Number of sentences: 95,119,665,584
Number of unigrams: 13,588,391
Number of bigrams: 314,843,401
Number of trigrams: 977,069,902
Number of fourgrams: 1,313,818,354
Number of fivegrams: 1,176,470,663
詳しくは、LCDのカタログ
http://
を。
Number of tokens: 1,024,908,267,229
Number of sentences: 95,119,665,584
Number of unigrams: 13,588,391
Number of bigrams: 314,843,401
Number of trigrams: 977,069,902
Number of fourgrams: 1,313,818,354
Number of fivegrams: 1,176,470,663
|
|
|
|
|
|
|
|
コーパス corpus linguistics 更新情報
-
最新のイベント
-
まだ何もありません
-
-
最新のアンケート
-
まだ何もありません
-
コーパス corpus linguisticsのメンバーはこんなコミュニティにも参加しています
人気コミュニティランキング
- 1位
- 30代〜40代から友達作り【友活】
- 35886人
- 2位
- 暮らしを楽しむ
- 78094人
- 3位
- 40歳以上のおじさん&おばさん
- 14782人