コーパス

コーパスは、自然言語処理の学習に用いる、大規模に収集・整理されたテキストデータの集まりです。単なる文章の寄せ集めではなく、コンピュータが処理しやすいように形態素解析などが施され、品詞情報などの言語学的なタグが付与されている場合が多いです。

このデータを使って機械学習モデルに学習させることで、単語の文脈や言語の構造をAIに理解させます。現代のAI開発において、高品質で膨大なコーパスの存在はモデルの性能を左右する極めて重要な要素です。

辞書や単純なテキストデータとの違いは、言語の実使用例が含まれている点です。G検定では、自然言語処理の技術を支える基盤データとして、その役割と重要性が問われます。