言葉を調べるには，実際に使われている生のテキストデータを大量に集めることが必要である ．入手が可能な生データとして，WWWデータがある．WWWは規模も大きく大量のテ キストデー タが収集できる．WWWに書き込むことは制限が少なく，誰でも，何でも書けるこ とから人間的な言葉が存在する．テキストデータの収集方法は，関根ら[1]により示され ている．
本研究ではWWWテキストを収集し，単語・意味属性の出現頻度から言語処理研究用 データとしての利用可能性を調査した．特に，情緒研究への応用を考える．
調査方法としては，まず収集してきたWWWテキストから日本語テキストを抽出す る．次に，抽出した日本語テキストを形態素解析できるように編集し，解析を行 う．そして，形態素解析で付与された意味属性より，用言・名詞の頻度を計算す る．日本語単文の意味分類体系を基準に意味的な用言・名詞のスパースさを求め網羅性を確認 する．最後に情緒表現の出現頻度を調査する．
調査の結果，8,400サイトからダウンロードし，4,116サイトから日本語抽出できた． 形態素解析の結果は入力文数は14,522,344文で，出力文数は11,793,675文だった． 出現頻度より用言のスパースさをもとめたところ，頻度の基準を100とし 95.5%が基準を越え，日本語単文の意味分類体系をカバーした．情緒表現についても出現を確 認した．
よって，日本語単文の意味分類体系[2]を基準に網羅性が高いこととともに，言語処理研究用デー タとしての利用可能性があることがわかった．