日本語単語類似度・関連度データセット JWSAN

日本語の単語ペア（2145ペア）に対する類似度と関連度を収録したデータセットを公開します。

• JWSAN-2145（jwsan-2145.csv, UTF-8）：全データセット
• JWSAN-1400（jwsan-1400.csv, UTF-8）：単語の分散表現の性能評価用に、単語ペアを厳選したデータセット
  • なお、BOM付きUTF-8版も用意しました。Excelで開く場合には、こちらを使ってください。
    jwsan-2145-bom.csv / jwsan-1400-bom.csv
    
• ReadMe.txt：データファイル内容の説明
• jwsan.zip：上記の3ファイル(UTF-8)をまとめた zip アーカイブ

• 単語の分散表現（単語ベクトル）の性能評価には、JWSAN-1400 を利用することを推奨します。
• 本データセットの詳細や、JWSAN-1400 を推奨する理由については、 こちらのページ（別のタブが開きます）をご覧ください。
• 本データセットの開発は、JSPS科研費基盤(B) 15H02713 の助成を受けています。
• 本データセットに関するお問い合わせは、jwsan@utm.inf.uec.ac.jp までお願いいたします。