HTML アーカイブを Amazon EBS のスナップショット化
用途を情報解析研究に限定して，HTML アーカイブを保存した Amazon EBS のスナップショットを公開することにしました．文字コードの統一すらしていないデータなので，取り扱いには苦労すると思います．とりあえず見てみたいという方や，自前で HTML のパーサを用意できる方など，ご連絡いただければ共有の設定をいたします．
詳細は以下のウェブページをご覧ください．
文字コードの統一，テキストの切り出し，Unicode の正規化，文の切り出しなど，N-gram コーパスの作成に用いたツールは後日公開するつもりです．
また，N-gram コーパスを保存した Amazon EBS のスナップショットも公開しています．こちらは連絡不要です．
# 実はスナップショットの共有機能を試したことはありません．少し不安です．そもそも，Amazon EC2 を使っている人はほとんどいないと思いますし…．
追記（2010-09-22）：タグなしテキストとタグ付きテキストについても個別にページを追加しました．
追記（2010-09-25）：Ubuntu 10.04 で作成した XFS は他の OS でマウントできないことがあるため，ext3 に移行しました．
