バイドゥは2010年8月31日、ネット上の掲示板やブログに書かれた文章を時系列に整理した「Baidu ブログ・掲示板時間軸コーパス」を公開した。どんなキーワードがいつごろ頻出していたかを調べるのに有用なデータだ。例えば「モーニング娘。」という言葉は2000年～2004年ごろに多く使われ、2009年以降は「AKB48」の出現率が上がっているといったことが分かる。同社によれば、時間軸に沿った言語現象の移り変わりを対象としたコーパスの公開は、ほかに例がないという。

　コーパスとは、大規模な言語データベースのこと。今回バイドゥが公開したコーパスは、同社が収集（クロール）したネット上のデータのうち、掲示板への書き込みおよびブログの本文を、それが書き込まれた時間によって並べたものだ。2000年1月から2010年7月までの期間を対象に、1カ月単位でデータが集計されている。

　このデータを分析することで、特定のキーワードがいつごろ多く使われ、いつごろ使われなくなったかといったことが明らかになる。複数のキーワードの傾向を比較することも可能だ。例えば「ワールドカップ」と「オリンピック」なら、オリンピックというキーワードの方が多く登場しているという。

　このコーパスは、教育や研究の目的ならば無償で利用可能。営利目的での利用はできない。なお同社は今後も、さまざまなコーパスを公開していく予定という。

（日経パソコン　八木玲子）

［PC Online 2010年８月31日掲載］