Tekster fra norsk Wikipedia

Beskrivelse

Dette korpuset inneholder en dump av samtlige Wikipediaartikler på bokmål, nynorsk og nordsamisk fra ca. 20. mars 2019. Korpuset inneholder 492.864 artikler for bokmål, 139.927 artikler for nynorsk og 7.626 artikler for nordsamisk. Korpuset er strukturert som et JSON-array over artiklene slik de foreligger på nettet. Hver artikkel er et strukturert element, med ett nivå av "nøkkel:verdi", som inneholder tekst og metadata. Det er åtte slike nøkkel:verdi-par i artiklene:

bytelength: lengde på teksten i bytes
pageid: identifikator for teksten
title: tittel som i Wikipedia
hiddencategories: metadata
text: teksten som i Wikipedia
revid: revisjonsinformasjon
contentcategories: metadata
wikidata: andre data

Et eksempel på JSON-formatet finnes i dokumentasjonsfilen.

Distribusjoner
1

Last ned

Beskrivelse:: Ikke oppgitt
TilgangsURL:: https://hdl.handle.net/21.11146/50
Direkte nedlastning:: https://www.nb.no/sbfil/tekst/2019_wikipedia.tar.gz
API:: Ikke oppgitt
Dokumentasjon:: Ikke oppgitt
Lisens:: https://creativecommons.org/licenses/by-sa/3.0/
I samsvar med:: Ikke oppgitt

API-er som tilgjengeliggjør dette datasettet
0

Ingen registrerte API-er tilgjengeliggjør dette datasettet.

Lignende datasett

Norsk ordbank - nynorsk 2005-2012	Nasjonalbiblioteket	Allmenn tilgang
ONOMASTICA uttaleleksikon 2	Nasjonalbiblioteket	Allmenn tilgang
Omsetjingsminne frå Semantix AS	Nasjonalbiblioteket	Allmenn tilgang
NST uttaleleksikon for svensk	Nasjonalbiblioteket	Allmenn tilgang
Grafem-til-fonem-modeller for norsk	Nasjonalbiblioteket	Allmenn tilgang

Finner du det du leter etter?

Ta kontakt med oss her, eller spør om hjelp i Datalandsbyen .

Tekster fra norsk Wikipedia

Beskrivelse

Distribusjoner1

https://hdl.handle.net/21.11146/50gtar

API-er som tilgjengeliggjør dette datasettet0

Lignende datasett

Finner du det du leter etter?

Distribusjoner
1

API-er som tilgjengeliggjør dette datasettet
0