コーパス

コーパスとは、自然言語処理に使うために大量のテキストを集めて整理したデータのことです。

新聞記事、書籍、Web 上の文章などが対象で、品詞や係り受けの情報を人手で付与したものもあります。言語モデルの学習や言語研究の材料になります。

日本語のように利用しやすいコーパスが限られる言語では、その整備自体が研究の基盤づくりとして重要になります。