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）
研究資源
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。
語彙資源
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/
Concepticon 公開
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/
TUBELEX 日本語YouTube字幕語彙頻度表 TUBELEX (Japanese subset) — YouTube subtitle word frequency lists 公開 607MB（多言語版リポジトリ全体。日本語専用ファイルはfrequencies/tubelex-ja*.tsv.xz等）
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
「昭和・平成書き言葉コーパス」語彙統計情報 Showa-Heisei Written Corpus (SHC) — vocabulary n-gram/co-occurrence statistics 公開 現代 6.4GB（shc-data本体224KB + gdrive-data zip 3件 1.3GB + 展開後 約5.1GB）
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）