日本語研究で引くコーパス・辞書・文献データベース・画像アーカイブの目録。 各項目は入口のURL、個別項目のURLの組み立て方、APIの有無、利用条件を持つ。
『現代日本語書き言葉均衡コーパス』（BCCWJ）に対する追加アノテーション層のみ（本文は含まない）
DepParaPAS はNAIST Text Corpus形式／拡張CaboCha形式（データ本体は同梱されずninjal.ac.jpのBCCWJ DVD版購入者向けに別配布、本リポジトリはdoc/ライセンスのみ）。WLSP はTSV（サブコーパス・サンプルID・開始終了位置・分類語彙表番号・機能語/内容語等16列、BCCWJ-WLSP.zip同梱、347,095行）
利用条件: BCCWJ-DepParaPAS は CC BY 4.0（本文除く）／ BCCWJ-WLSP は CC BY-NC-SA 3.0
現代日本語の多ジャンル（学術エッセイ・青空文庫小説・国会会議録・新聞・白書・Wikipedia・ブログ・教科書・翻訳等）
Penn Treebank様式の括弧付き構成素木（CorpusSearch形式、機能タグ・空範疇・照応情報付き、本文テキスト込み、1ファイル1テキスト495ファイル、UTF-8）
利用条件: CC BY 4.0
日本語Wikipedia記事（形態論・固有表現・係り受け・述語項構造・共参照アノテーション付き）
KNP形式（形態素・固有表現・係り受け・述語項構造・共参照）+ 生テキスト（org/）+ train/dev/testのid分割
利用条件: CC BY-SA 4.0
大学生が執筆したブログ記事（携帯電話・京都観光・スポーツ・グルメの4テーマ）
形態素・係り受け・格関係・評判表現アノテーション付きテキスト（corpus1: 記事別、corpus2: テーマ別TSV）
利用条件: 京都大学テキストコーパス互換ライセンス（研究目的での利用、詳細はREADME.txt参照）
ウェブ文書（ニュース・百科事典的記事・ブログ・商用ページ等）の冒頭3文。収集時期は2011年前後（w201106〜のドキュメントID）
KNP形式（形態素・固有表現・係り受け・格・省略照応・共参照）+ 談話関係アノテーション（disc/）+ 生テキスト（org/）+ train/dev/testのid分割
利用条件: 明示的なLICENSEファイルなし。研究目的での利用を想定した配布（README参照、著作権者からの削除要請に応じ更新）
論文・図書・博士論文・研究データ・研究プロジェクトを横断する国内最大の学術情報データベース
OpenSearch。`all` `articles` `books` `data` `dissertations` `projects` の検索種別があり、RSS・Atom・JSON-LD・HTMLを選べる。AND/OR/NOTは大文字・前後空白必須。Access-Control-Allow-Origin: *
https://cir.nii.ac.jp/opensearch/all?q={query}&format=json
論文・図書・研究データの横断検索。CRIDで文献を一意に指せる。
文献レジストリの外部IDとしてCRIDを持つ。
DOI登録機関のメタデータ。J-STAGE掲載誌の書誌照合に使う
REST・無認証。mailtoパラメータでpoliteプールを使う
https://api.crossref.org/works?query.bibliographic={query}
科研費の課題・研究者・報告書。研究者同定と、未公刊の研究動向を追う手がかり
検索結果をRSS・JSON・XMLで返す簡易APIがある
世界規模のオープン学術グラフ。DOIを持つ日本語論文の被引用関係を追える
REST・無認証。mailto付きのUser-Agentで優先レーンに入る。日本語タイトルの収録は不均一で、和文誌の欠落が多い
利用条件: CC0
https://api.openalex.org/works?filter=title.search:{query}
研究者本人が維持する業績データベース。所属・業績一覧・researchmap IDによる同定に使う
APIは申請制。公開ページのJSON-LDから業績を読める
1949年から2009年までの新聞記事のうち、ことばを話題にしたものの見出し。語形や言語問題が世間の話題になった時期を測る
現行の公開URLは未確認
1949年から2009年までの、ことばを扱った新聞記事の見出し。語形が話題になった時期の手がかりになる。
現行URLは未確認。小林昌樹の語誌調査記事とリサーチ・ナビが工具として挙げる。
国文学研究資料館が収集する国内刊行の雑誌・紀要・単行本所収論文の目録。国文学のほか日本語学・国語教育を含む。2023年4月に国文学論文目録データベースから改称・統合
検索フォームのみ。校正中のデータを含めて逐次更新される
国内刊行物の網羅的な書誌。雑誌記事索引を含み、戦後の学術雑誌記事を著者・誌名で引ける
OpenSearch・SRU・OpenURL・OAI-PMHを公開。書誌IDはR100000002-I…形式
日本語学会と国立国語研究所の共同事業。『国語年鑑』1954–1985年の雑誌論文を対象とし、約10万件のうち約5万6千件にキーワードが付く
1998年にオンライン公開。キーワード付与の有無で二層に分かれる
国内700機関以上の機関リポジトリのメタデータを収集。大学紀要に載る日本語学論文の全文PDFへ到達する主経路
OAI-PMHでハーベストし、JPCOARスキーマまたはjunii2で提供される。IRDB自身もOAI-PMHのエンドポイントを持つ
『国語年鑑』『日本語教育年鑑』の書誌を統合した日本語学・日本語教育の文献目録。1950年以降の論文・図書を著者・分野・キーワードで検索できる。日本語学会が案内する「国語学研究文献検索」はこれを指す
HTMLの検索フォームのみで、APIも一括ダウンロードも提供されない。取得はページ単位のHTMLを解析する形になる
佐藤喜代治編『講座日本語の語彙 別巻 語彙研究文献語別目録』（明治書院, 1983）の全文テキスト版。語を見出しに、その語を扱った研究を著者・文献名・書誌の3列で並べる
xlsxとタブ区切りtxtを直接配布。凡例・編集のことば・あとがきはPDF。見出し語の列は連続行で空欄になり、前の行から引き継ぐ
利用条件: CC BY-NC 4.0
個々の語の来歴に関する記述と、その語を扱った研究をまとめる。語誌研究の入口
語単位のHTMLページ。一括配布はない
現行 SNS 短文（くだけた文体）
jsonl.gz 日別（did, rkey, text, createdAt, langs）
利用条件: AT Protocol 公開投稿（削除尊重・内部研究利用）
幼児言語獲得研究用の親子自然会話書き起こし（CHAT形式）。Miyata・MiiPro・Noji・Ishii・Okayama・Ota・Hamasaki・NINJAL-Okubo・Ogawa・Yokoyama等12コーパス
CHAT形式（.cha）書き起こしテキスト、zip配布
利用条件: CC BY-NC-SA（TalkBankルールにより各コーパス指定の引用文献の明記も必須）
現代ウェブ全般（trafilatura 抽出・MinHash 重複タグ付き）
parquet（text, minhash_cluster_size ほか）
利用条件: ODC-By 1.0
Amazon商品レビューの二値感情分類データ（本来はレビュー本文＋positive/negativeラベル）
本来: レビュー本文＋ラベル（train 187,528 / dev 5,654 / test 5,639）
利用条件: 元データ Multilingual Amazon Reviews Corpus (MARC) のライセンスに従う（Amazonが配布停止）
ウェブクロール由来の英日対訳文（自動文アライン・bicleaner品質スコア付き、日本語側はウェブ全般の書き言葉）
tar.gz内にTSV（source_domain, domain, bicleaner05スコア, 英語文, 日本語文）。約22M対訳ペア（deduped）
利用条件: NTT利用規約（情報解析を伴う研究開発目的のみ。複製・配布可、商用利用不可。CITATION: Morishita et al. 2020 LREC）
LLM生成の指示応答ペア（instruction tuning用、多様なトピック）
JSONL（1行1会話、conversations配列にrole/content、132,476件）
利用条件: Apache-2.0
Common Crawl 日本語ウェブ（品質フィルタ最上位 level2）
parquet（text, meta）
利用条件: 要確認（公式は申請制。ミラー chatblanc-ciel/llm-jp-corpus-v3 由来）
明治〜昭和戦前刊行図書 約28万点のOCR由来 1〜5gram
TSV行（ngram \t 総頻度 \t {年: 頻度} 辞書）gzip
利用条件: PDM
明治〜昭和前期刊行図書（OCR、旧字・ノイズあり）
fulltext-json（頁別 contents + 座標）+ index.jsonl.gz（publishyear あり）
利用条件: PDM
現代日本語の句構造付きツリーバンク。2022年3月時点で約9万文
2016年から2022年まで年次のスナップショットが公開された。同じ木を継続開発するかいのきツリーバンクが https://kainoki.github.io/ にある
映画・TV字幕から抽出した単言語文（口語・会話的、非公式ファン翻訳含む）
プレーンテキスト（1行1文、生の未トークン化版。tokenized版 ja.tok.gzは未取得）
利用条件: OPUS再配布物（原著作権は各字幕投稿者・opensubtitles.org。OPUS上はODC-BY相当で提供、再配布時は出典表記を推奨）
TEDトーク字幕から抽出した単言語文（講演調・書き言葉に近い話し言葉）
プレーンテキスト（1行1文、生の未トークン化版。tokenized版 ja.tok.gzは未取得）
利用条件: OPUS再配布物（原データはTED公式字幕、CC BY-NC-ND 4.0相当。研究利用目的での再配布）
匿名掲示板（open2ch）のスレッドを対話ペア化した口語・ネットスラング中心テキスト
TSV（context\tresponse、板別 livejupiter.tsv / news4vip.tsv / newsplus.tsv）+ ranking用 dev/test TSV
利用条件: Apache-2.0
地上波テレビ放送由来の自然な日本語音声の文字起こし（アナウンス・字幕・会話等）
HF datasetsローダ（reazonspeech.py）経由の結合レコード（FLAC音声 + transcription文字列）。全量2.3TB/35000時間
利用条件: CDLA-Sharing-1.0（ただし著作権法30条の4に基づく情報解析目的での利用のみに限定するという配布者の追加条件あり）
SNS投稿文（はてなブログ由来の一人称投稿、感情8分類×書き手・読み手複数評定付き）
タブ区切りテキスト（Sentence, UserID, Datetime, Train/Dev/Test split, Writer/Reader×8感情カテゴリ強度＋Sentiment）
利用条件: 研究利用ライセンス（リポジトリ同梱LICENSE参照。研究目的での使用を想定、商用利用は要確認）
現行法令（明治太政官布告の文語を含む法律文体）
法令標準 XML
利用条件: PDL 1.0
ニュース記事（9カテゴリ、口語調のブログ的記事含む）
プレーンテキスト（記事ごとに1ファイル、URL・日付・タイトル・本文の順）、9カテゴリのディレクトリ分割
利用条件: CC BY-ND 2.1 JP
市民参加で翻刻された近世を中心とする古文書テキスト
GitHubでデータが公開される
利用条件: CC BY-SA 4.0
近世の実用書・記録（医療と養生・料理書・疫病関係・地誌）
統一トークン parquet（TOKEN_SCHEMA）×2 シャード
利用条件: CC BY-SA 4.0
『万葉集』を中心とする上代日本語の統語情報つきコーパス。語の情報に加えて句構造を持つ
オンライン検索と、統語木を含むデータの公開がある
読本（長編伝奇小説、勧善懲悪・因果応報、全106冊98巻の大作）
NDL fulltext-json（頁別contents+座標）×4巻 + 抽出plain txt ×4巻
利用条件: PD（原典1814–1842年刊、底本1930年博文館版も著作権保護期間満了）
129会話・約100時間の雑談の文字化資料
テキスト一括ダウンロード
利用条件: CC BY-NC-ND 4.0
議会演説・質疑（整文された話し言葉）
REST API（XML/JSON, speech単位）
利用条件: 利用規約（出典明示で利用可）
時代浄瑠璃（全5段の合戦物、和藤内の異国活劇）
NDL fulltext-json（頁別contents+座標、合本の頁1-36を抽出）+ 抽出plain txt
利用条件: PD（原典1715年初演、底本1891年鍾美堂版も著作権保護期間満了）
明治中期の総合雑誌（文語・口語混在）
SUW TSV（UTF-8）+ XML（UTF-16）+ ひまわり
利用条件: CC BY-NC-ND 3.0
ウェブから構築した258億語規模のコーパス。派生資源にNWJC-n-gram・NWJC2vec・chiVeがある
検索系「梵天」の一般公開は2021年12月24日で終了した。データ本体はGSK経由の申請で入手する
12の母語背景をもつ日本語学習者1,000名の発話と作文。学習者言語の対照研究に使う
中納言で検索、音声とデータは申請
雑誌『太陽』1895・1901・1909・1917・1925年（文語・口語・項目）
Shift_JIS XML 60号・Himawari索引・ISO-9660イメージ
利用条件: 購入製品利用条件（個人利用の複製・改変可、再配布不可、二次的著作物の公開は事前許可）
議会演説・質疑（1890–1947 は文語・旧字 OCR、1947– は整文）
jsonl.gz（1 行 1 会議、speechRecord 入れ子）年別
利用条件: NDL 利用規約（出典明示）
時代浄瑠璃（俊寛・鬼界が島の段が著名、平家物語に取材）
NDL fulltext-json（頁別contents+座標）+ 抽出plain txt（頁連結）
利用条件: PD（原典1719年初演、底本1891年三三文房版も著作権保護期間満了）
世話浄瑠璃（心中物、紙屋治兵衛と遊女小春の情話）
NDL fulltext-json（頁別contents+座標、合本の頁37-56を抽出）+ 抽出plain txt
利用条件: PD（原典1720年初演、底本1891年鍾美堂版も著作権保護期間満了）
掲示板型SNSのくだけた書き言葉（日本語圏サブレディット: newsokur・lowlevelaware・BakaNewsJP・ja・newsokuvip の投稿本文＋コメント）
JSONL（1行1レコード、Reddit API準拠フィールド: id, created_utc, subreddit, title/selftext または body ほか）
利用条件: Reddit利用者投稿。Arctic Shiftはアーカイブ研究用に再配布（Reddit API規約・各投稿者の権利に留意。研究利用想定）
共同研究プロジェクトが作成した日本語史資料のテキスト（TXT・XML）
資料単位で直接ダウンロードできる
日常場面の会話200時間を映像つきで収録。話者属性と場面情報を持つ
全データは契約による。モニター公開版と中納言検索がある
奈良時代編（万葉集・宣命・祝詞）から明治大正編まで、時代別のサブコーパスを形態論情報つきで提供する日本語史の基幹資料
本文検索は中納言（要登録・無償）。語彙統計と一部の頻度表はサイトから直接取得できる
上代から明治大正までの通時コーパス。短単位・長単位の形態論情報つきで用例を検索する。
利用にはアカウント申請が必要で、未ログインではログイン画面に転送される。語誌データベースの統計情報はこのコーパスの頻度に基づく。
百科事典的書き言葉（現代規範）
MediaWiki XML export
利用条件: CC BY-SA 4.0 / GFDL
パブリックドメイン原典テキスト（明治法令・近代文学・古典翻刻など、Wikisource寄稿者による校訂込み）
MediaWiki XMLダンプ（pages-articles、wikitext本文、未展開）
利用条件: CC BY-SA 3.0（サイト全体の利用規約）＋収録原文自体は多くがPD
学会講演・模擬講演を中心とする自発音声662時間。転記・形態論情報・韻律ラベルつき
DVD配布。コアは人手修正済み。SDBフラットファイルが全体、RDBはコアのみ
利用条件: CSJ利用許諾（購入済み・再配布不可）
『全国方言談話データベース 日本のふるさとことば集成』を検索可能にしたもの。全国の方言談話の音声と転記
オンライン検索
映画・TV字幕の会話体日英対訳
タブ区切りテキスト（英語\t日本語、1行1対訳ペア）。生データ版（raw、シャッフル済み全件）を取得、train/dev/test分割版（split.tar.gz）は別途必要なら取得
利用条件: CC BY-SA 4.0
明治啓蒙期の学術評論誌（文語中心）
SUW TSV（UTF-8, 25列, 語彙素・語種・品詞・文体）+ XML（UTF-16）+ ひまわり
利用条件: CC BY-NC-ND 3.0
1933年から2013年までの雑誌を10年ごとに抽出。BCCWJと接続して昭和戦前から現代までを連続で見る
中納言で検索。語彙統計は公開
1950–60年代の録音に基づく話し言葉資料。CSJ・CEJCと接続して話し言葉の通時変化を見る
中納言で検索
世話浄瑠璃（心中物の嚆矢、口語体台詞・地の文混在）
NDL fulltext-json（頁別contents+座標）+ 抽出plain txt（頁連結）
利用条件: PD（原典1703年初演、底本1935年栗田書店版も著作権保護期間満了）
滑稽本・道中記（弥次郎兵衛・喜多八の東海道旅行記、俗語会話体中心）
NDL fulltext-json（頁別contents+座標）+ 抽出plain txt（頁連結）
利用条件: PD（原典1802–1814年刊、底本1927年有朋堂書店版も著作権保護期間満了）
平安時代中期の物語文学（源氏物語全文、文語）
タブ区切りテキスト（UTF-8 LF、ファイル名・サブコーパス名・開始終了文字位置・文境界・書字形出現形・語彙素・語彙素読み・品詞・活用型・活用形・発音形・語種の13列）
利用条件: 形態論情報は CC BY 4.0（小木曽智信）。本文自体のライセンスは原典サイト（渋谷栄一氏／宮脇文経氏）に準拠、別途確認要
書き言葉13レジスター（書籍・雑誌・新聞・白書・教科書・広報・Yahoo!知恵袋・ブログ・法律・韻文・国会会議録）
M-XML（SUW/LUW形態論情報）・C-XML・CORE TSV（zip内）
利用条件: BCCWJ利用許諾（購入済みDVD・再配布不可）
書籍・雑誌・新聞・白書・教科書・Yahoo!知恵袋など13レジスターにわたる1億語の均衡コーパス。短単位・長単位の形態論情報つき
DVD版の購入、または中納言でのオンライン検索。頻度表（SUW・LUW）は無償公開
戦前中心の新聞記事（人手翻刻・高精度）
jsonl.gz（id, title, newspaper, date, text）
利用条件: 記事本文の引用は出典明示で可（サイト規約）・内部研究利用
女性向け雑誌（女学雑誌 1894–95・女学世界 1909・婦人倶楽部 1925、計40冊 約210万字）
構造タグ付き XML + ひまわりパッケージ（形態論情報なし; CHJ 統合版は中納言）
利用条件: CC BY-NC-ND 3.0
『明六雑誌』『国民之友』『太陽』『女学雑誌』『女性』など明治大正期の雑誌コーパス群。形態論情報つき
明六雑誌と国民之友はTSV・XMLを直接配布。太陽と女性誌はCD-ROM購入または中納言
利用条件: CC BY-NC-ND（明六・国民之友の配布データ）
保護期間満了の文学作品の電子テキスト。ルビと外字注記を持つ独自形式
GitHubミラー（aozorabunko/aozorabunko）とextended CSVがあり、CSVに底本・初出年が入る
著作権切れ文学・評論（明治〜昭和中期の作家中心）
cards/<person>/files/<work>/*.txt（Shift_JIS, ルビ記法）
利用条件: 大半PD（作品毎に図書カード確認）
多言語対訳の日本語電子辞書。語義の粗い対応づけと表記異形の一覧に使う
XMLの日次ダンプ
利用条件: CC BY-SA 4.0
現代語の同義語グループ（体言/用言別、展開制御フラグ・分野情報付き）
CSV（RFC4180、11列：グループ番号・体言/用言フラグ・展開制御フラグ・語彙素番号・語形種別・略語情報・表記ゆれ情報・分野情報・見出し・予約×2）
利用条件: Apache-2.0
短単位を単位とする形態素解析辞書。現代書き言葉・話し言葉のほか、上代・中古・中世・近世・近代文語の時代別辞書がある
MeCab・Vibrato・fugashi等から使う。時代別辞書は解析対象の文体に合わせて選ぶ
形態素解析辞書（時代別）
MeCab コンパイル済み（sys.dic, matrix.bin, dicrc）
利用条件: cwj GPL/LGPL/BSD、歴史系 CC BY-NC-SA 4.0
日本国語大辞典、広辞苑、大辞林、学研古語辞典ほかを串刺し検索する。学研語源辞典は含まない。
JSON APIの記述は2021-11時点のもので、現行の稼働状況は未検証。CORSは無効。2026-08-12現在、APIも一覧取得も403を返し利用不能（過去のAPI仕様は2021-2023年時点のアーカイブによる）
日本国語大辞典の全文。語誌欄と初出用例が語誌調査の起点になる。
有料契約または図書館経由の利用。APIはなく、引用は版と項目名で特定する。
『分類語彙表』増補改訂版の見出し語に対するクラウドソーシング単語親密度・位相情報
CSV（bunruidb-fam.csv、分類語彙表番号+26列の親密度評定値）+ TSV（subjrate.txt、被験者別評定生データ）
利用条件: CC BY-NC-SA 3.0
古典語の意味分類対応表
TSV 2列（ヘッダ行あり、BunruiNo / LemmaID）
利用条件: CC BY-NC 4.0
最大の国語辞典。語誌欄と初出用例を持ち、語の来歴を引く起点になる
機関契約または個人会員。本文の機械取得は利用条件で認められない
同義語集合（synset）・上位下位関係・語義定義・日英対訳を持つ語彙資源
SQLite3データベース（wnjpn.db、synset・sense・word・synlink等のテーブル、57,238 synsets・93,834語・158,058語義）
利用条件: NICT Japanese WordNet License（複製・改変・再配布無料、著作権表示保持が条件、無保証）
個人による語源解説サイト。
転送: https://nihongogogen.com/ → https://www.nihongogogen.com/（2026-08-11確認）。出典の扱いは語源由来辞典と同様、単一の個人説として引用する。
辞書記述
MediaWiki XML + entries.json
利用条件: CC BY-SA
日本語と琉球諸語の対照辞書。方言形の比較に使う
ウェブ検索
首里・那覇、宮古、八重山などの方言辞典を音声つきで公開する
見出し単位のHTMLと音声ファイル
一般向けの語源解説サイト。
出典を明示しない記述が多く、民間語源を含む。参照する場合は当該ページのURLと閲覧日を残し、記述の性格を引用内に明記する。
国内学協会誌の電子ジャーナルプラットフォーム。日本語学関係では『日本語の研究』『計量国語学』『音声研究』などを収録
WebAPIはservice=2（書誌）とservice=3（論文）。応答はAtom＋OpenSearch準拠のXML。同一パラメータの複数条件は空白区切りでAND
https://api.jstage.jst.go.jp/searchapi/do?service=3&text={query}
漢文仏典の全文。訓点資料・漢文訓読研究の対校本文として使う
本文単位のHTMLとAPI
勅撰集・私家集などの和歌本文を通し検索できる。上代から中世の韻文語彙の用例源
検索フォーム。一括配布はない
1911年から1970年までの新聞切り抜き約38万記事を人手で翻刻したもの。戦前の新聞文体の資料
記事単位のHTML。利用条件は本文の引用を認める
『大日本史料』『大日本古文書』ほかの本文・目録・古写真・肖像を横断検索する
データベース単位の検索フォーム
保護期間満了の図書と古典籍をOCR全文で検索し、画像とテキストをまとめて取得できる実験サービス
資料単位のzipで全文を取得できる。OCRの誤りが残る
国語学会機関誌『国語学』第1輯（1948）から第219輯（2004）までの全文。日本語学会の学史をたどる一次資料
記事単位のHTMLとPDF。全文検索はサイト内フォーム
江戸時代以前の古典籍の書誌・所在情報約160万件と、うち約30万件の高精細画像。新日本古典籍総合データベースと日本古典籍総合目録データベースを2023年に統合したもの
IIIFに対応。書誌単位のHTMLとAPI
公文書・古文書・古典籍の画像。明治期の公文書は近代語資料としても使える
IIIFに対応
明治以降の刊行物を中心とする247万点規模のデジタル化資料。全文検索が利用できる
保護期間満了資料は誰でも閲覧。個人送信・図書館送信の資料は登録または館内利用。IIIFに対応
国文学研究資料館所蔵の古典籍画像を機械学習用に整備したデータセット。くずし字文字画像データセットを併せて公開する
IIIF・一括ダウンロード
利用条件: CC BY-SA 4.0
早稲田大学図書館所蔵の古典籍約30万点の画像
書誌単位のHTML、画像はPDF・IIIF
BCCWJ全体の語彙素頻度（レジスター別列つき）
TSV（rank, lForm, lemma, pos, wType, frequency, pmw, レジスター別）
利用条件: 公式配布（クレジット表記）
作品単位の短単位頻度（部立て・巻別の頻度列つき）
TSV（UTF-8, CRLF）384点。作品ごとに _suw（語彙素）/ _suw_goshu（語種）/ _suw_pos（品詞）の3種
利用条件: NINJAL配布条件
日本語歴史コーパス全体の語彙素×作品頻度（成立年・文体列つき）
TSV（UTF-16LE, CRLF）×3（premodern / modern_mag / modern_nonmag）
利用条件: NINJAL配布条件
言語横断の共語彙化ネットワーク。意味変化の妥当性を測る材料になる。
Concepticon IDで接続する。アイヌ語形態素データベースのcolexifications層が同じ方式を採る。ローカル取得: imports/clics3/・imports/clics4/
語彙リストの概念を統一IDに揃えるカタログ。
語義側の外部IDとして持てば、CLDF書き出しと他言語データとの突き合わせができる。ローカル取得: imports/concepticon/
シナ・チベット語族の語根と同源語のデータベース。放浪語の追跡で漢語側の再構を照合する。
転送先: https://stedt.johnblowe.com/（2026-08-11確認）。ローカル取得: imports/stedt/
YouTube自動字幕由来の話し言葉語彙頻度（ジャンル別カウント付き）
TSV.xz（word/count/videos/channels + ジャンル別count:*列、tubelex-ja.tsv.xzは409,505行）。lemma-pos版・base-pos版・310チャンネル限定版なども同梱
利用条件: BSD 3-Clause License
雑誌・書籍（ベストセラー）・新聞の3ジャンル別語彙統計（本文非公開、統計量のみ）
tab区切りn-gram頻度表（surface_ngram・lemmaID_ngram、1〜5gram、ジャンル×年別ファイル）、 SVMlight形式共起情報（lemmaID_svmlight、前後4単語・20回以上出現語彙素）、 Word2Vec(CBoW)学習済みモデル8種（昭和/平成 × all/bestseller/magazine/newspaper）。 参考として近現代雑誌コーパス（CHJ雑誌・SHC雑誌、1881〜2013年）の同形式統計も同梱。
利用条件: CC BY-SA 4.0
日本語の語を意味によって分類したシソーラス。増補改訂版データベースと、古典語を対象とする古典対照分類語彙表がある
テキスト版を直接配布。UniDic語彙素番号との対応表があり、コーパス注釈と接続できる
利用条件: 学術利用無償（NINJAL）
デジタル化資料の全文から作成したn-gram頻度の時系列。語形の長期トレンドと初出時期の見当をつける。
頻度は資料のデジタル化状況に依存するため、初出の証明には使えない。
デジタル化資料の全文から作った年次別n-gram頻度。語形の長期トレンドを見る
`ngram \t 総頻度 \t {年: 頻度}`形式のgzip。デジタル化の偏りがあり、初出の証明には使えない
利用条件: PDM（対象資料に依存）
国立国語研究所のコーパス検索アプリケーション。BCCWJ・CHJ・CSJ・SHC・CEJCなどを短単位・長単位・文字列で検索する
無償の利用登録が要る。検索結果はTSVで書き出せる。件数上限がある