2026-04-04T15:33:31.004Z
https://www.nb.no/sprakbanken/oai
nb:Nasjonalbiblioteket¦nn:Nasjonalbiblioteket¦en:National Library of Norway
2021-06-24
https://www.nb.no/sprakbanken/oai?verb=GetRecord&identifier=oai:nb.no:sbr-50&metadataPrefix=cmdi
clarin.eu:cr1:p_1407745711925
Språkbanken NB
Resource
https://www.nb.no/sbfil/tekst/2019_wikipedia.tar.gz
Resource
https://www.nb.no/sbfil/dok/2019_wikipedia.pdf
describes
corpus
Texts from Norwegian Wikipedia
Tekster fra norsk Wikipedia
This corpus is a dump from approximately March 20 2019 of all Wikipedia articles written in Norwegian Bokmål, Norwegian Nynorsk and Northern Sami. The corpus contains 492,864 articles for Norwegian Bokmål, 139,927 articles for Norwegian Nynorsk and 7,626 articles for Northern Sami. The files are structured as a JSON Array of all the articles as they appear on the web. Each article is a structured element, with one level of "key:value" pairs containing text and metadata. There are eight such key:value pairs per article:
- bytelength: length of text in number of bytes
- pageid: text identifier
- title: title as in Wikipedia
- hiddencategories: metadata
- text: text as in Wikipedia
- revised: audit information
- contentcategories: metadata
- wikidata: other data
An example of the JSON format can be found in the documentation file.
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.
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-50/
hdl:21.11146/50
sbr-50
Restricted
downloadable
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-50/
Creative Commons (CC)
Creative_Commons-BY-SA (CC-BY-SA)
https://creativecommons.org/licenses/by-sa/3.0/
BY
SA
organization
Licensor
Wikimedia Norge
Wikimedia Norge
organization
Distribution Rights Holder
National Library of Norway
Nasjonalbiblioteket
NLN
NB
The Language Bank
Språkbanken
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
organization
IPR Holder
Wikimedia Norge
Wikimedia Norge
organization
Contact
National Library of Norway
Nasjonalbiblioteket
NLN
NB
The Language Bank
Språkbanken
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
2019-06-18
English
en
2023-08-07
person
Metadata Creator
Lindstad
Arne Martinus
National Library of Norway
Nasjonalbiblioteket
NLN
NB
The Language Bank
Språkbanken
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
2019
2019-03-22
false
documentation
https://www.nb.no/sbfil/dok/2019_wikipedia.pdf
2007-06-23
2019-03-22
organization
Resource Creator
Wikimedia Norge
Wikimedia Norge
Written Corpus
text
application/json
640417
articles
3
files
UTF-8
monolingual
nb
Norwegian Bokmål
492864
articles
1
files
1,3
gb
nn
Norwegian Nynorsk
139927
articles
1
files
300
mb
se
Northern Sami
7626
articles
1
files
10
mb
writtenLanguage
2007-2019