Diskusjonstekster frå Wikipedia

Dette korpuset inneheld ein dump av diskusjonstrådar frå Wikipedia, der forfattarar diskuterer ulike problemstillingar i samband med publisering av bestemde artiklar på Wikipedia.

Artiklane er fordelte på to filer, ei for høvesvis bokmål (nb.wikipedia.json) og nynorsk (nn.wikipedia.json). Kvar diskusjon er eit element i eit json-array, med eitt nivå som inneheld tekst og diverse metadata. Det er åtte datafelt per diskusjon:

• title: tittel på artikkelen som vert diskutert
• pageid: identifikator for artikkelen
• revid: revisjonsinformasjon
• wikidata: ev. andre data
• contentcategories: metadata
• hiddencategories: metadata
• text: diskusjonstekst
• bytelength: lengde på teksten i bytes

Eit døme på dette finst i dokumentasjonsfila (2019_wikidisc.pdf).