Common Crawl vs 공공데이터포털 (data.go.kr) 비교
데이터/API 가운데 Common Crawl와 공공데이터포털 (data.go.kr)를 나란히 놓고 봤어요.
Common Crawl
웹 전체를 긁어 모은 대규모 크롤링 데이터
이런 점이 좋아요
- 웹 규모의 대량 텍스트
- 정기적으로 새 수집분 공개
- 무료
이런 점은 아쉬워요
- 정제 없이는 잡음이 많음
- 용량이 매우 큼
공공데이터포털 (data.go.kr)
정부 기관 공공데이터 파일과 API를 모은 포털
이런 점이 좋아요
- 국내 공공 API 대부분이 모임
- 무료
- 서비스키 하나로 여러 API 이용
이런 점은 아쉬워요
- API마다 응답 형식과 품질이 다름
- 승인과 키 반영에 시간이 걸림
한눈에 비교
색이 칠해진 줄은 서로 다른 항목이에요.
| 항목 | Common Crawl바로 가기 | 공공데이터포털 (data.go.kr)바로 가기 |
|---|---|---|
| 시작가 | 무료 | 무료 |
| 무료 사용 | 무료 | 무료 |
| 형태 | 데이터셋, 파일 다운로드 | Open API, 파일 다운로드 |
| 갱신 주기 | 매월 | 비정기 |
| 품질 | 보통 | 보통 |
| 품질 근거 | 원본 크롤링이라 잡음이 많아 별도 정제가 필요 | 데이터마다 갱신과 문서 수준이 달라 편차가 큼 |
| 상업 이용 | 확인 필요 | 확인 필요 |
| 라이선스 | Common Crawl 이용약관 | 데이터마다 다름, 공공누리 등 |
| 인증 방식 | 없음 | 신청 후 승인 |
| 무료 한도 | - | API마다 다름, 개발계정은 보통 일 1,000회 안팎 |
| 데이터 기간 | 2008년~현재 | 데이터셋마다 다름 |
| 주요 컬럼 | WARC 원문, WAT 메타데이터, WET 텍스트, URL, 수집 시각 | 데이터셋명, 제공기관, 분류체계, 확장자, 갱신주기, 활용신청 건수, 서비스키 |
| 제공 형식 | 기타 | JSON, XML, CSV |
| 이런 분께 추천해요 | 대규모 언어 모델 학습 데이터를 만드는 팀 | 국내 공공 데이터를 처음 찾는 개발자 |
| 종류 | 데이터/API | 데이터/API |
| 카테고리 | AI/머신러닝, 언어/텍스트 | 공공/행정 |
| 회사 |  Common Crawl Foundation |  행정안전부 |
| 요금제 | ||
| 장점 |
|
|
| 단점 |
|
|
가격과 혜택은 바뀔 수 있어요. 결제 전 공식 사이트에서 확인하세요.
더해 비교+ AI Hub (AI 허브)+ 서울 열린데이터광장+ 국가통계포털 KOSIS OpenAPI