2026-04-22T11:17:46.39Z
https://www.nb.no/sprakbanken/oai
Arne Martinus Lindstad
2025-05-07
https://www.nb.no/sprakbanken/oai?verb=GetRecord&identifier=oai:nb.no:sbr-102&metadataPrefix=cmdi
clarin.eu:cr1:p_1407745711925
Språkbanken NB
Resource
https://www.nb.no/sbfil/tekst/maalfrid_2025/maalfrid_2025.tar
Resource
https://www.nb.no/sbfil/tekst/maalfrid_2025/maalfrid_2025.pdf
Resource
https://www.nb.no/sbfil/tekst/maalfrid_2025/maalfrid_2025.md
describes
describes
corpus
Målfrid 2025 – Fritt tilgjengelege tekster frå norske statlege nettsider
Målfrid 2025 – Freely Available Documents from Norwegian State Institutions
Dette korpuset inneheld dokument frå 493 internettdomene tilknytta norske statlege institusjonar. Totalt består materialet av omlag 2,4 milliardar "tokens" (ord og teiknsetting). I tillegg til tekster på bokmål og nynorsk inneheld korpuset tekster på nordsamisk, lulesamisk, sørsamisk og engelsk.
Dataa vart samla inn som ein lekk i Målfrid-prosjektet, der Nasjonalbiblioteket på vegner av Kulturdepartementet og i samarbeid med Språkrådet haustar og aggregerer tekstdata for å dokumentere bruken av bokmål og nynorsk hjå statlege institusjonar.
Språkbanken føretok ei fokusert hausting av nettsidene til dei aktuelle institusjonane mellom desember 2024 og januar 2025. Tekstdokument (HTML, DOC(X)/ODT og PDF) vart lasta ned rekursivt frå dei ulike domena, 12 nivå ned på nettsidene. Me tok ålmenne høflegheitsomsyn og respekterte robots.txt.
For teknisk informasjon, sjå dokumentasjonsfilene.
This corpus consists of documents from 493 domains of Norwegian state institutions and comprises approximately 2.4 billion tokens in total. In addition to Norwegian Bokmål and Nynorsk texts, the corpus contains texts in Northern Sami, Lule Sami, Southern Sami and English.
The data were collected as part of the so-called Målfrid project, where the National Library of Norway on behalf of the Ministry of Culture and in collaboration with the The Language Council of Norway collects and aggregates data for mapping the usage of Norwegian Bokmål and Norwegian Nynorsk on the domains of Norwegian state institutions.
The corpus is the result of a focused crawl conducted between December 2024 and January 2025, recursively downloading text documents (HTML, DOC(X)/ODT and PDF) from a set of domains (down to and including level 12), while obeying robots.txt and politeness restrictions.
For technical information, please consult the documentation files.
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-102/
hdl:21.11146/102
sbr-102
Public
downloadable
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-102/
DIFI
Norwegian Licence for Open Government Data (NLOD)
https://data.norge.no/nlod/en/2.0
BY
organization
Licensor
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
organization
Contact
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
2025-05-07
Norwegian Nynorsk
English
nn
en
2025-05-07
organization
Metadata Creator
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
2025
2025-01-31
2024-12-01
2025-01-31
organization
Resource Creator
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
Multilingual Corpus
text
application/jsonl
UTF-8
multilingual
multilingualSingleText
nb
Norwegian Bokmål
1731882315
tokens
nn
Norwegian Nynorsk
164754934
tokens
en
English
520138241
tokens
sme
Northern Sami
2208507
tokens
sma
Southern Sami
368489
tokens
smj
Lule Sami
282859
tokens