Dette korpuset inneheld dokument frå 497 internettdomene tilknytta norske statlege institusjonar. Totalt består materialet av omlag 2,6 milliardar "tokens" (ord og teiknsetting). I tillegg til …

Språk:

bokmål, nynorsk, engelsk, nordsamisk, sørsamisk, lulesamisk

Opphav:

Språkbanken

Lisens:

Norwegian Licence for Open Government Data (NLOD)

Type:

Tekst

Oppdatert:

31.01.2024

Glossa is a tool for researchers who want to search linguistically annotated corpora. Glossa is designed to make it easy for researchers to: - create complex searches - explore the result via e.g. …

Språk:

Opphav:

CLARINO Tekstlaboratoriet

Lisens:

MIT license

Type:

Verktøy

Oppdatert:

11.01.2024

Denne databasen er laget av Nordisk språkteknologi som datagrunnlag for talegjenkjenning og diktering på norsk. I denne versjonen (fra 2022) er dataene strukturert på nytt, slik at databasen …

Språk:

norsk

Opphav:

Språkbanken

Lisens:

Creative_Commons-ZERO (CC-ZERO)

Type:

Tale, Tekst

Oppdatert:

19.12.2023

Denne ressursen gir en kobling mellom norske kommuner og dialektregioner, og kan for eksempel brukes til å utlede dialektregionen til talere i et taledatasett basert på deres fødested. Koblingen er …

Opphav:

Språkbanken

Lisens:

Creative_Commons-BY (CC-BY)

Type:

Verktøy

Oppdatert:

20.11.2023

Stortinget Speech Corpus (SSC) er eit taledatasett på meir enn 5000 timar for svakt overvaka taleattkjenning laga av lydopptak og tekst frå Stortingsforhandlingane. Det inneheld taleeiningar på …

Språk:

norsk

Opphav:

Språkbanken

Lisens:

Creative_Commons-ZERO (CC-ZERO)

Type:

Tale, Tekst

Oppdatert:

15.11.2023

I denne versjonen av Norsk dependenstrebank 2.0 er det lagt til konstituentstruktur (c-struktur) lik den man finner i NorGramBank. Med denne kan man trene én syntaktisk parser for begge de …

Språk:

bokmål, nynorsk

Opphav:

Språkbanken

Lisens:

Creative_Commons-ZERO (CC-ZERO)

Type:

Tekst

Oppdatert:

27.10.2023

Desse spaCy-modellane er trente på NorNE-datasettet i ein versjon som er kompatibel med Universal Dependencies. spaCy er eit mykje brukt python-bibliotek for språkteknologi. spaCy tilbyr ikkje …

Opphav:

Språkbanken

Lisens:

MIT license

Type:

Verktøy

Oppdatert:

20.10.2023

Dette er versjon 2.0 av Norsk dependenstrebank (NDT), opphavleg utvikla av Språkbanken/Nasjonalbiblioteket i 2011-2014. I versjon 2.0 av NDT er den grammatiske annotasjonen behaldt frå tidlegare …

Språk:

bokmål, nynorsk

Opphav:

Språkbanken

Lisens:

Creative_Commons-ZERO (CC-ZERO)

Type:

Tekst

Oppdatert:

24.08.2023

NB Samtale er et talekorpus med ortografisk transkribert lydmateriale hentet fra podkaster og opptak av arrangementer på Nasjonalbiblioteket. Korpuset inneholder samtaler mellom flere personer, og …

Språk:

norsk

Opphav:

Språkbanken

Lisens:

Creative_Commons-ZERO (CC-ZERO)

Type:

Tale, Tekst

Oppdatert:

18.08.2023

Dette er versjon 2.0 av Stortingskorpuset (engelsk forkorting NPSC). I versjon 2.0 er det gjort ein del større endringar i transkripsjonane, i tillegg er nokre påviste feil i korpuset blitt retta. …

Språk:

norsk

Opphav:

Språkbanken

Lisens:

Creative_Commons-ZERO (CC-ZERO)

Type:

Tale, Tekst

Oppdatert:

13.07.2023