Ngramデータ
データ
異なり数
1-gram | 255860 |
---|---|
2-gram | 2108310 |
3-gram | 3635959 |
4-gram | 2854212 |
5-gram | 1839806 |
各種条件
使用ツール
ツール名 | バージョン |
---|---|
WP2TXT(http://wp2txt.rubyforge.org/) | 0.1.0 |
mecab(http://mecab.sourceforge.net/) | mecab-0.98 |
辞書(http://mecab.sourceforge.net/) | mecab-ipa-dic-2.7.0-20070801 |
対象データ
ウィキメディア財団が配布する「ウィキペディア日本語版」のdumpデータ、
2010年2月26日版の "pages-articles.xml.bz2" を基に作成しました。*1
ライセンス
Wikipediaのライセンスに従い、GFDL1.2とします。
データ前処理
*1:諸事情によりちょっと日付が古いですが、ご勘弁を