SHACHI - Language Resource Metadata Database

朝日新聞の本社版記事2012年分・144,617件を収録した新聞記事データ集。各記事には13の記事種別と75のテーマ分類が付与されている。

朝日新聞の本社版記事2013年分・139,247件を収録した新聞記事データ集。各記事には13の記事種別と75のテーマ分類が付与されている。

朝日新聞の本社版記事2014年分・132,958件を収録した新聞記事データ集。各記事には13の記事種別と75のテーマ分類が付与されている。

朝日新聞の本社版記事2015年分・129,645件を収録した新聞記事データ集。各記事には13の記事種別と75のテーマ分類が付与されている。

朝日新聞の本社版記事2016年分・124,038件を収録した新聞記事データ集。各記事には13の記事種別と75のテーマ分類が付与されている。

多様な日本語の機能語や句構造、節の諸類型および複雑な構文を大量の言語データから検索・抽出して研究することを可能にすることを目的として、現代日本語の書き言葉と話し言葉のテクストに対し文の統語・意味解析情報をアノテートしたコーパス。

REXコーパスは2名が協力してコンピュータ上で図形パズルを解く過程を記録したコーパスである。REXコーパスには対話の条件設定によって6つのコーパスが含まれている。コーパスには音声、パズルを解く画面の動画、発話の書き起し、発話中のパズルピースを指す参照表現、対話者の視線、マウスの操作情報などが時間同期して記録されている。

※補遺として、ゼロ代名詞をアノテーションしたEAFファイル、空間情報をアノテーションしたXMLファイルを追加した (2017.04)。

(注) コーパスの利用にはMax Planck Instituteで開発されているELANと呼ばれるマルチメディア・アノテーション・ツールが必要。ELANはWindows，Linux，OS X用のプログラムが下記から無料でダウンロードできる。
http://tla.mpi.nl/tools/tla-tools/elan/

本データは大学教育充実のための戦略的大学連携支援プログラム「コメディカル養成のための教育用電子カルテシステムおよびデータベースの構築と実践」にて作成された模擬患者診療記録からテキスト部分を抜粋したデータと、模擬テキストのうち医師が記述すべき文章について、アノテーションを付与したデータの2つからなる。

毎日新聞の東京・大阪本社の朝夕刊最終版を対象とした、毎日新聞2013年の全文記事データ集（タグ付テキストデータ）。

毎日新聞の東京・大阪本社の朝夕刊最終版を対象とした、毎日新聞2014年の全文記事データ集（タグ付テキストデータ）。