オープンデータセット【open dataset】

概要

学術機関や公的機関、企業などがインターネットなどを通じて公開しているデータ群で、文字（テキスト）、画像、音声、動画、表形式など、様々な形式のデータが提供されている。統計解析や機械学習に役立つよう、自然言語処理に用いる文字データであれば注釈を加えたコーパスに整形し、画像認識に用いる画像データであれば写っているものを示すラベルを付加するなど、一定の形式に加工されている。

クリエイティブ・コモンズ・ライセンス（CCライセンス）など、特定の利用許諾契約（ライセンス）に基づいて提供される場合が多く、添付文書でデータの利用や改変、再配布、商用利用の可否などの条件が規定されている。「パブリックドメイン」（public domain）が宣言されている場合は一切の権利が放棄された状態であり、ライセンスの制約なく自由に利用することができる。

機械学習モデルの研究者や開発者にとっては、オープンデータセットを用いることで手間や時間のかかるデータの収集や分類、ラベル付け（アノテーション）の工程を省略し、すぐにモデリングや学習に入ることができる。著名なオープンデータセットの中には、その分野の開発者がそのデータセットを用いて検証を行うことで、異なるモデルを共通の尺度で評価するベンチマークとしての役割を果たしている場合がある。

この記事の著者 ： (株)インセプト IT用語辞典 e-Words 編集部
1997年8月より「IT用語辞典 e-Words」を執筆・編集しています。累計公開記事数は1万ページ以上、累計サイト訪問者数は1億人以上です。学術論文や官公庁の資料などへも多数の記事が引用・参照されています。