Stortingskorpuset 1.1
- Datasett
- Allmenn tilgang
Offentlig tilgjengelig for alle. Tilgang kan likevel kreve registrering og forespørsel om API-nøkler, så lenge hvem som helst kan be om slik registrering og/eller API-nøkler.
- Åpne data
Beskrivelse
Dette er versjon 1.1 av Stortingskorpuset (engelsk forkorting NPSC).
Følgjande endringar skil versjon 1.1. frå versjon 1.0:
- Dataa er delte opp i offisielle trenings-, evaluerings- og testsett.
- Manuell dialektannotering er lagt til for kvar enkelt talar.
- Sluttpunktet for ei setning (sentence_id 45886) i 20172018 er endra, av di setninga inneheldt ei 30 minutt lang pause i versjon 1.0. Den tilsvarande lydfila (20171208-085509_6122400_6124160.wav) vart forkorta i tråd med dette.
- Nokre metadata til transkripsjonane i 20171213 mangla i json-filene. Desse er lagt til i versjon 1.2.
- Dokumentasjonen er oppdatert med endringane over.
Korpuset er utvikla ved Språkbanken på Nasjonalbiblioteket. NPSC er sett saman av lydopptak av møte i Stortinget, ortografisk transkriberte til høvesvis bokmål eller nynorsk. Det finst òg metadata om dei ulike talarane, og dei offisielle referata frå dei ulike debattane er òg inkluderte i korpuset. Opptaka utgjer 140 timar med tale frå i alt 267 ulike talarar, og inneheld 65.000 setningar og 1,2 millionar ord.
Transkripsjonsarbeidet er først gjort automatisk; resultatet av den automatiske transkripsjonen er manuelt sjekka og korrigert av kvalifiserte lingvistar og filologar. For å sikre konsistens og nøyaktigheit, er alle transkripsjonane korrekturlesne.
Korpuset er primært tenkt som eit open source-datasett for ASR-utvikling (Automatic Speech Recognition, automatisk taleattkjenning).
Dei individuelle lydfilene i korpuset inneheld opptak frå heile dagar med plenumsmøte frå 2017 og 2018 (eller, viss eit møte varar i meir enn seks timar, dei første seks timane den aktuelle dagen). Sidan desse lydfilene er ganske store, finst det òg individuelle lydfiler for kvar enkelt setning.
Betaversjonar av korpuset vart publiserte i 2020 og 2021. Me har kjørt postprosesseringsskript sidan siste versjon (0.2). Dette har ført til endringar i alle transkripsjonane, og transkripsjonane har ei anna formatering enn i dei tidligare versjonane. Dei gamle transkripsjonsfilane bør difor erstattast med filene i denne versjonen.
Me set stor pris på attendemeldingar og forslag til forbetringar. Kontakt oss på sprakbanken@nb.no.
Distribusjoner1
Navnløs distribusjon- gtar
- gtar
- Beskrivelse:
- Ikke oppgitt
- TilgangsURL:
- https://hdl.handle.net/21.11146/58
- Status:
- Ikke oppgitt
- Direkte nedlastning:
- API:
- Ikke oppgitt
- Dokumentasjon:
- Ikke oppgitt
- Lisens:
- I samsvar med:
- Ikke oppgitt
- Rettigheter for bruk:
- Ikke oppgitt
API-er som tilgjengeliggjør dette datasettet0
Lignende datasett
| NB Samtale | Allmenn tilgang | |
| Omsetjingsminne frå Nynorsk pressekontor 2022 | Allmenn tilgang | |
| bokselskap.no 2023 | Allmenn tilgang | |
| Målfrid 2021 - Fritt tilgjengelege tekster frå norske statlege nettsider | Allmenn tilgang | |
| Stortingskorpuset 2.0 | Allmenn tilgang |
Distribusjoner1
Navnløs distribusjon- gtar
- gtar
- Beskrivelse:
- Ikke oppgitt
- TilgangsURL:
- https://hdl.handle.net/21.11146/58
- Status:
- Ikke oppgitt
- Direkte nedlastning:
- API:
- Ikke oppgitt
- Dokumentasjon:
- Ikke oppgitt
- Lisens:
- I samsvar med:
- Ikke oppgitt
- Rettigheter for bruk:
- Ikke oppgitt
API-er som tilgjengeliggjør dette datasettet0
Kontaktinformasjon
- Kontaktpunkt:
- Ikke oppgitt
- Nettside:
- https://www.nb.no/sprakbanken/
- E-post:
- sprakbanken@nb.no
- Telefon:
- Ikke oppgitt
Om dataene
- Språk:
- Innholdsleverandører:
- Ikke oppgitt
- Opphav:
- Ikke oppgitt
- Oppdateringsfrekvens:
- Ikke oppgitt
- Først utgitt:
Denne datoen sier når dataene i dette datasettet første gang ble utgitt. Det kan ha skjedd før datasettet ble publisert på data.norge.no.
- 1. august 2019
- Sist oppdatert:
- 30. november 2021
- Geografisk avgrensning:
- Ikke oppgitt
- Tidsmessig avgrensning:
- Ikke oppgitt
- I samsvar med:
Referanse til en implementasjonsregel eller annen spesifikasjon, som ligger til grunn for opprettelsen av datasettet.
- Ikke oppgitt
- Kvalitetsmerknader:
- Ikke oppgitt
Gjeldende lovgiving
Begreper brukt i datasett
Referanser
Gebyr
Om datasettet
- Utgiver:
- Nasjonalbiblioteket
- Publisert:
Denne datoen sier når datasettet ble høstet av data.norge.no. Det kan ha vært tilgjengelig tidligere andre steder.
- 24. august 2021
- Sist oppdatert:
- 13. mars 2026
- Landingsside:
- Ikke oppgitt
- Dokumentasjon:
- Ikke oppgitt
- Datasettype:
- Ikke oppgitt
- Metadatakvalitet:
Metadatakvalitet er en indikator på hvor godt datasettene er beskrevet ved hjelp avmetadata.
- God (59%)
- URI:
Tema
Nøkkelord
Diskusjoner på Datalandsbyen0
Hva er Datalandsbyen?
Datalandsbyen er vårt nettforum hvor du kan etterspørre data, dele erfaringer og spørre om råd som gjelder datadeling og informasjonsforvaltning.
Resource Description Framework (RDF)Alle URL-er til ressurser på data.norge.no kan levere RDF-metadata i flere ulike formater, avhengig av hvilken Accept header man sender med.
Alle URL-er til ressurser på data.norge.no kan levere RDF-metadata i flere ulike formater, avhengig av hvilken Accept header man sender med.