2026-04-23T18:25:41.419Z
https://www.nb.no/sprakbanken/oai
Arne Martinus Lindstad
2021-10-30
https://www.nb.no/sprakbanken/oai?verb=GetRecord&identifier=oai:nb.no:sbr-70&metadataPrefix=cmdi
clarin.eu:cr1:p_1407745711925
Språkbanken NB
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-digavis-unigram.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-digavis-bigram.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-digavis-trigram.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-digibok-unigram.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-digibok-bigram.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-digibok-trigram.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-metadata-digavis.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-metadata-digibok.csv.gz
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-totals.json
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-README-eng.md
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/ngram-2021-README-nob.md
Resource
https://www.nb.no/sbfil/ngram/ngram_2021/2021_NBngram.pdf
corpus
N-grammer fra NBdigital 2021
N-grams from NBdigital 2021
Dette korpuset inneholder n-grammer – unigrammer, bigrammer og trigrammer – fra alle bøker og aviser som var blitt digitalisert ved Nasjonalbiblioteket per juli 2021. N-grammene er laget på basis av et materiale bestående av om lag 580.000 bøker og 3.400.000 aviser, til sammen ca. 122 milliarder "tokens" (ord og tegnsetting). N-grammene finnes på CSV-format (UTF-8-kodert).
Kolonnene i CSV-filene med n-grammer er som følger:
- first - det første ordet i n-grammet (i uni-, bi- og trigrammer)
- second - det andre ordet i n-grammet (i bi- og trigrammer)
- third - det tredje ordet i n-grammet (i trigrammer)
- lang - språkkode for n-grammet (gjelder kun bøker, avisene har ingen språkklassifikasjon per nå)
- freq - den totale frekvensen for n-grammet i samlingen av bøker eller aviser
- json - et dictionary med råfrekvens per år
totals.json inneholder totalfrekvenser innenfor årganger i bok- og aviskorpuset. Med disse kan man lett regne ut relativfrekvenser for sammenlikning på tvers av år som i NB N-gram.
metadata-digibok.csv og metadata-digavis.csv inneholder enkle metadata for alle bøkene og avisene som inngår i bok- og aviskorpuset. Hvis du er interessert i mer utførlige metadata, henviser vi til Oria eller NBs APIer under https://api.nb.no/.
Se dokumentasjonsfilene for mer informasjon.
This resource contains n-grams - i.e. unigrams, bigrams and trigrams - from all books and newspapers that had been digitized at the National Library of Norway up to July 2021. The n-grams have been extracted from a material consisting of approximately 580,000 books and 3,400,000 newspapers, amounting to a total of 122 billion tokens (words and punctuation). The n-grams are offered as CSV files (UTF-8-encoded).
Columns in the n-gram CSV files:
- first - the first word (in uni-, bi- and trigrams)
- second - the second word (in bi- and trigrams)
- third - the third word (in trigrams)
- lang - the language of the n-gram (only regarding books, newspapers have no language classification as for now)
- freq - the total frequency of the n-gram in the collection of books or newspapers
- json - a dictionary with raw frequency for each year
totals.json contains aggregated frequencies per year in the book and newspaper corpora. Using these numbers, relative frequencies can be calculated in order to compare frequencies over time as in NB N-gram.
metadata-digibok.csv and metadata-digavis.csv contain simple metadata for the books and newspapers. If you need more extensive metadata, you could use Oria or the APIs at https://api.nb.no/.
See the documentation files for further information.
NBngram2021
NBngram2021
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-70/
hdl:21.11146/70
sbr-70
Public
downloadable
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-70/
Creative Commons (CC)
Creative_Commons-ZERO (CC-ZERO)
https://creativecommons.org/publicdomain/zero/1.0/
organization
Licensor
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
organization
Contact
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
2021-10-29
English
en
2023-08-08
person
Metadata Creator
Lindstad
Arne Martinus
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
2021
2021-10-28
documentation
Documentation files in English and Norwegian. Metadata files accompanying the data.
2021-06-01
2021-10-28
person
Resource Creator
Birkenes
Magnus Breder
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
person
Rsource Creator
Johnsen
Lars
Nasjonalbiblioteket
National Library of Norway
NB
NLN
Språkbanken
The Language Bank
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
Ngram Corpus
textNgram
word
3
text/csv
8
files
42,1
gb
121834422207
tokens
application/json
1
files
18
kb
UTF-8
multilingual
other
Independent text in several languages
nb
Norwegian Bokmål
nn
Norwegian Nynorsk
se
Northern Sami
sma
Southern Sami
smj
Lule Sami
fkv
Kven
writtenLanguage
Text from digitized books and newspapers.
121834422207
tokens
3980000
texts
121834422207
tokens
3980000
texts
1800-2021