En miljard ord ur svenska korpusar från 1950 och framåt. Kod för att extrahera data från korpusen, samt användningsinstruktioner, kan laddas ner från https://svn.spraakbanken.gu.se/sb-arkiv/tools/gigaword/
En miljard ord ur svenska korpusar från 1950 och framåt.
Vänligen använd följande artikel som referens för datasetet:
Stian Rødven Eide, Nina Tahmasebi, Lars Borin. 2016. The Swedish Culturomics Gigaword Corpus: A One Billion Word Swedish Reference Dataset for NLP
Kod för att extrahera data från korpusen, samt användningsinstruktioner, kan laddas ner från https://svn.spraakbanken.gu.se/sb-arkiv/tools/gigaword/
| Sentences per year for each genre | |||||
|---|---|---|---|---|---|
| fiction | government | news | science | socialmedia | |
| 1950 | - | 420 413 | - | - | - |
| 1960 | - | 424 920 | - | - | - |
| 1965 | - | - | 53 624 | - | - |
| 1970 | - | 459 867 | - | - | - |
| 1976 | - | - | 89 175 | - | - |
| 1977 | 499 030 | - | - | - | - |
| 1980 | - | 534 194 | - | - | - |
| 1981 | 307 597 | - | - | - | - |
| 1987 | 97 398 | - | 364 226 | - | - |
| 1990 | - | 551 988 | - | - | - |
| 1991 | 330 127 | - | - | - | - |
| 1992 | - | - | - | 44 538 | - |
| 1994 | - | 391 882 | 1 538 748 | - | - |
| 1995 | - | - | 514 797 | - | - |
| 1996 | - | - | 449 148 | 118 542 | - |
| 1997 | - | - | 980 230 | 125 096 | - |
| 1998 | - | - | 804 178 | 121 895 | 1 638 |
| 1999 | 194 699 | - | - | 113 568 | 40 099 |
| 2000 | - | - | - | 109 289 | 12 945 |
| 2001 | - | - | 1 393 257 | 115 012 | 20 006 |
| 2002 | - | 41 066 | 2 610 740 | 110 830 | 191 234 |
| 2003 | - | - | 2 095 700 | 96 778 | 16 382 |
| 2004 | - | - | 2 094 251 | 103 881 | 487 447 |
| 2005 | - | - | 3 013 787 | 85 023 | 985 094 |
| 2006 | - | 50 684 | 2 634 386 | - | 408 425 |
| 2007 | - | - | 2 530 808 | 523 102 | 1 638 311 |
| 2008 | - | - | 2 607 657 | - | 754 801 |
| 2009 | - | - | 2 795 855 | - | 605 194 |
| 2010 | - | - | 2 635 687 | - | 790 148 |
| 2011 | - | - | 2 973 928 | - | 957 017 |
| 2012 | - | - | 2 681 277 | 673 820 | 1 589 999 |
| 2013 | - | - | 2 501 426 | - | 594 982 |
| 2014 | - | - | - | - | 590 146 |
| 2015 | - | - | - | 12 293 254 | 187 253 |