2024-03-28T15:48:33.079Z https://www.nb.no/sprakbanken/oai
oai:nb.no:sbr-76
Arne Martinus Lindstad 2021-10-30 https://www.nb.no/sprakbanken/oai?verb=GetRecord&identifier=oai:nb.no:sbr-76&metadataPrefix=cmdi clarin.eu:cr1:p_1407745711925 Språkbanken NB Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-digavis-unigram.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-digavis-bigram.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-digavis-trigram.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-digibok-unigram.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-digibok-bigram.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-digibok-trigram.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-metadata-digavis.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-metadata-digibok.csv.gz Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-totals.json Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-README-eng.md Resource https://www.nb.no/sbfil/ngram/ngram_2022/ngram-2022-README-nob.md Resource https://www.nb.no/sbfil/ngram/ngram_2022/2022_NBngram.pdf corpus N-grammer fra NBdigital 2022 N-grams from NBdigital 2022 Dette korpuset inneholder n-grammer – uni-, bi- og trigrammer – fra alle bøker og aviser som var blitt digitalisert ved Nasjonalbiblioteket per 15. juli 2022. N-grammene er laget på basis av et materiale bestående av om lag 610.000 bøker og 4.000.000 avishefter, til sammen ca. 138,5 milliarder "tokens" (ord og tegnsetting). Filformatet er UTF-8-kodert CSV. Kolonnene i CSV-filene med n-grammer er som følger: - first - det første ordet i n-grammet (i uni-, bi- og trigram) - second - det andre ordet i n-grammet (i bi- og trigram) - third - det tredje ordet i n-grammet (i trigram) - 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 hhv. bok- og avismaterialet. Med disse kan man lett regne ut relativfrekvenser for sammenligning 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. uni-, bi- and trigrams - from all books and newspapers that had been digitized at the National Library of Norway up to July 15 2022. The n-grams have been extracted from a material consisting of approximately 610,000 books and 4,000,000 newspapers, amounting to a total of 138.5 billion tokens (words and punctuation). The file format is UTF-8-encoded CSV. 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 for books, the newspapers have no language classification as yet) - freq - the total frequency of the n-gram in the collection of books and newspapers - json - a dictionary with raw frequency for each year totals.json contains aggregated frequencies per year in the book and newspaper corpora. Using them, 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. More extensive metadata can be obtained through Oria or the APIs at https://api.nb.no/. See the documentation files for further information. NBngram2022 NBngram2022 https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-76/ hdl:21.11146/76 sbr-76 Public downloadable https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-76/ 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 2022-12-21 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 2022 2022-12-21 documentation Documentation files in English and Norwegian. Metadata files accompanying the data. 2022-07-15 2022-12-21 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 138446410995 tokens 47,6 gb application/json 1 files 21 kb UTF-8 multilingual other N-grams extracted from text in several languages. Text from digitized books of varying genre and newspapers. nb Norwegian Bokmål nn Norwegian Nynorsk se Northern Sami sma Southern Sami smj Lule Sami fkv Kven writtenLanguage Text from digitized books and newspapers. 138446410995 tokens 4610000 other 138446410995 tokens 4610000 other 1800-2022