earticle

영어

The National Institute for Japanese Language and Linguistics, Japan (NINJAL) compiled a web corpus for linguistic research comprising 25 billion words. The project is divided into four parts: page collection, linguistic analysis, development of the corpus concordance system, and preservation. This article presents a corpus concordance system named `BonTen', which enables a ten-billion-scaled corpus to be queried by string, a sequence of morphological information or a subtree of the syntactic dependency structure.

일본어

国立国語研究所は言語研究に資する258億語規模のウェブコーパス『国語研ウェブコーパス』を構築した．コーパスの 構築は，ページ収集・言語解析・保存・検索系の構築の4種類の部分工程からなる．本発表では，『国語研ウェブコーパ ス』を概説するとともに，その検索系である『梵天』の機能について紹介する．この検索系は100億語規模のテキストコー パスを文字列のみならず，形態素列・係り受け部分木に基づく問い合わせが可能である．