Språkresurser

Här kan du leta och filtrera bland våra korpusar och lexikon. Du kan klicka på en rad för att få fram nedladdningsbara filer. Genom att klicka på Korp- eller Karp-ikonen kommer du direkt till gränssnittet där du kan utforska resursen.

Alla (1146) Samlingar (26) Korpusar (1080) Lexikon (58) Tränings- och utvärderingsdata (45) Modeller (8)

Resurs	Antal tokens Sortera stigande	Språk	Åtkomst
Somaliska: Sheekooyin Carruureed	26 003	somali	Datamängd: somali-sheekooyin.xml.bz2 2021-08-27 – 85.91 KB – CC BY 4.0 Utforska i:
Fornsvenska textbankens material: Nysvenska lagar	22 701	svenska	Datamängd: fsv-nysvensklagar.xml.bz2 2013-03-26 – 70.27 KB – CC BY 4.0 Utforska i:
Somaliska: Afka Hooyo 2010–19 Iswiidhan	21 542	somali	Datamängd: somali-ah-2010-19.xml.bz2 2021-08-30 – 65.49 KB – CC BY 4.0 Utforska i:
Folkekorpus Uppteckningar från Isofs arkiv	20 699	svenska	Ordstatistik: stats_folke-pilot.csv 2023-10-25 – 256.15 KB – CC BY 4.0 Utforska i:
Äldre finlandssvenska: Fredrikshamns Tidning 1888–1908 Tidning som utkom i Fredrikshamn 1884–1910	20 484	svenska	Ordstatistik: stats_FREDRIKSHAMNSTIDNING.txt 2017-06-18 – 392.92 KB – CC BY 4.0 Utforska i:
Äldre finlandssvenska: Wiborgs Tidning 1867–1877 Tidning som utkom i Viborg åren 1864–1881	19 086	svenska	Ordstatistik: stats_WIBORGSTIDNING.txt 2017-06-18 – 343.96 KB – CC BY 4.0 Utforska i:
Sibirientyska kvinnor Samtal med fyra kvinnor födda mellan 1927 och 1937 i sovjetiska Volgarepubliken	16 208	svenska	Ordstatistik: stats_SIBERIANGERMANWOMEN.txt 2017-03-19 – 44.62 KB – CC BY 4.0 Utforska i:
Kubhist 2: Posttidningar 1660-talet Del av samlingen Kubhist 2	15 912	svenska	Datamängd: kubhist2-posttidningar-1660.xml.bz2 2022-01-04 – 413.77 KB – CC BY 4.0 Ordstatistik: stats_kubhist2-posttidningar-1660.csv 2022-01-05 – 233.45 KB – CC BY 4.0 Utforska i:
Somaliska: Maaddooyinka Kale 1972–79	14 908	somali	Datamängd: somali-mk-1972-79.xml.bz2 2021-08-27 – 45.99 KB – CC BY 4.0 Utforska i:
Somaliska: Sheekooyin Carruureed (Turjuman)	13 865	somali	Datamängd: somali-sheekooyin-carruureed.xml.bz2 2021-08-30 – 43.72 KB – CC BY 4.0 Utforska i:
SIC2 - Stockholm Internet Corpus Korpusen Stockholm Internet Corpus (SIC2) innehåller svenska bloggar som är annoterade med ordklasstaggar, morfologiska särdrag och namnentiteter.	13 562	svenska	Datamängd: sic2.xml.bz2 2020-11-25 – 262.36 KB – CC BY 4.0 Ordstatistik: stats_sic2.csv 2021-08-12 – 177.44 KB – CC BY 4.0 Datamängd: sic2.zip CC BY 4.0 Datamängd: readme.txt 2020-11-17 – 2.18 KB – CC BY 4.0 Utforska i:
Somaliska: Caafimaad 1972–79	13 550	somali	Datamängd: somali-caafimaad-1972-79.xml.bz2 2021-08-30 – 38.92 KB – CC BY 4.0 Utforska i:
Äldre finlandssvenska: Uleåborgs Tidning 1877–1887 Tidning som utkom i Uleåborg 1877–1891	13 474	svenska	Ordstatistik: stats_ULEABORGSTIDNING.txt 2017-06-18 – 273.23 KB – CC BY 4.0 Utforska i:
Äldre finlandssvenska: Typografiskt minnesblad 1891 Utkom 1642–1892	10 234	svenska	Ordstatistik: stats_TYPOGRAFISKTMINNESBLAD.txt 2017-06-18 – 196.54 KB – CC BY 4.0 Utforska i:
Kubhist 2: Posttidningar 1650-talet Del av samlingen Kubhist 2	9 994	svenska	Datamängd: kubhist2-posttidningar-1650.xml.bz2 2022-01-03 – 256.22 KB – CC BY 4.0 Ordstatistik: stats_kubhist2-posttidningar-1650.csv 2022-01-04 – 156.68 KB – CC BY 4.0 Utforska i:
Af Soomaali 1993-94	9 247	somali	Datamängd: somali-1993-94.xml.bz2 2024-01-04 – 19.45 KB – CC BY 4.0 Utforska i:
Somaliska: Suugaan (Turjuman)	8 796	somali	Datamängd: somali-suugaan-turjuman.xml.bz2 2021-08-27 – 27.26 KB – CC BY 4.0 Utforska i:
Äldre finlandssvenska: Tidningar Utgifne af et Sällskap i Åbo 1771–1783 Finlands första tidning. Starkt knuten till Aurorasällskapet och Henrik Gabriel Porthan. Utkom i Åbo åren 1771–1778 och 1782–1785.	6 532	svenska	Ordstatistik: stats_TIDNINGARSALLSKAPETIABO.txt 2017-06-18 – 123.03 KB – CC BY 4.0 Utforska i:
Kubhist 2: Posttidningar 1670-talet Del av samlingen Kubhist 2	5 575	svenska	Datamängd: kubhist2-posttidningar-1670.xml.bz2 2022-01-03 – 142.07 KB – CC BY 4.0 Ordstatistik: stats_kubhist2-posttidningar-1670.csv 2022-01-04 – 100.55 KB – CC BY 4.0 Utforska i:
Äldre finlandssvenska: Borgåbladet 1885 Tidning som utkommer i Borgå	3 020	svenska	Ordstatistik: stats_BORGABLADET2.txt 2017-06-18 – 76.2 KB – CC BY 4.0 Utforska i:
Kubhist 2: Götheborgs Weckolista 1740-talet Del av samlingen Kubhist 2	2 272	svenska	Datamängd: kubhist2-gotheborgsweckolista-1740.xml.bz2 2021-09-22 – 63.04 KB – CC BY 4.0 Ordstatistik: stats_kubhist2-gotheborgsweckolista-1740.csv 2021-09-22 – 39.78 KB – CC BY 4.0 Utforska i:
Kubhist: Götheborgs weckolista 1740-talet Del av samlingen Kubhist	1 778	svenska	Datamängd: kubhist-gotheborgsweckolista-1740.xml.bz2 2015-04-07 – 16.69 KB – CC BY 4.0 Ordstatistik: stats_KUBHIST-GOTHEBORGSWECKOLISTA-1740.txt 2015-09-06 – 38.14 KB – CC BY 4.0
Caafimaad 1983	1 521	somali	Datamängd: somali-caafimaad-1983.xml.bz2 2024-01-15 – 4.48 KB – CC BY 4.0 Utforska i:
IVIP demo Interaktion och variation i pluricentriska språk – Kommunikativa mönster i sverigesvenska och finlandssvenska.	572	svenska	Datamängd: ivip-demo.xml.bz2 2019-08-12 – 13.1 KB – CC BY 4.0 Ordstatistik: stats_ivip-demo.csv 2022-08-23 – 9.53 KB – CC BY 4.0 Utforska i:
SweWiC 2.0 En svensk ord-i-sammanhang datamängd		svenska	Datamängd: swewic.zip 2023-03-30 – 587.65 KB – CC BY 4.0
Samling Läkartidningen Korpus för vårdens och omsorgens fackspråk		svenska	Se 11 delresurser Utforska i:
Samling Tvåkammarriksdagen Samling av textdokument från Tvåkammarriksdagen		svenska	Se 10 delresurser Utforska i:
Samling Kubhist 2 Diakronisk samling av historisk tidsskriftstext på svenska från perioden 1645–1926. Kubhist 2 är en uppdaterad version av Kubhist med förbättrad OCR och mer material.		svenska	Se 328 delresurser Utforska i:
Ordstatistik för korpusar Ackumulerad ordstatistik från många av våra moderna svenska korpusar			Ordstatistik: stats_all.txt 2022-04-10 – 5.14 GB – CC BY 4.0
Samling Kubord 2 Ordrelationer från moderna tidningstexter från Kungliga biblioteket		svenska	Se 75 delresurser Utforska i:
SweWinogender 2.0 En svensk datamängd för koreferens och könsbias		svenska	Datamängd: swewinogender.zip 2023-03-30 – 28.3 KB – CC BY 4.0
Samling Press Svensk press		svenska	Se 6 delresurser Utforska i:
Samling Kubhist Diakronisk samling av historisk tidsskriftstext på svenska från perioden 1749–1926		svenska	Se 78 delresurser
DaLAJ-GED-Superlim 2.0 Dataset for Linguistic Acceptability Judgments (and more), v.2.0		svenska	Datamängd: dalaj-ged-superlim.zip 2023-04-03 – 1.41 MB – CC BY 4.0 Datamängd: dalaj-ged-tsv.zip 2023-05-20 – 1.15 MB – CC BY 4.0 Datamängd: liuep197-11.pdf 2024-01-25 – 463.74 KB – CC BY 4.0
SweWinograd 2.0 En svensk datamängd för pronomentolkning		svenska	Datamängd: swewinograd.zip 2023-03-30 – 33.41 KB – CC BY 4.0
Samling Medeltidsbrev Svenskt Diplomatariums huvudkartotek över medeltidsbreven (SDHK)		latin, tyska, norska, svenska	Se 5 delresurser Utforska i:
Samling Riksdagens öppna data Data från data.riksdagen.se		svenska	Se 21 delresurser Utforska i:
ScandiSent Sentimentkorpus för svenska, norska, danska, finska och engelska, insamlad från trustpilot.		svenska, bokmål, danska, engelska, finska	Datamängd: ScandiSent.zip 2024-01-25 – 5.16 MB – CC BY 4.0 Datamängd: ScandiSent-mt.zip 2024-01-25 – 3.62 MB – CC BY 4.0
Samling Somaliska korpusar En samling av korpusar på somaliska		somali	Se 26 delresurser Utforska i:
Samling SVT nyheter Nyhetstexter från svt.se		svenska	Se 21 delresurser Utforska i:
Samling Webbnyheter Nyheter från svenska dagstidningars webbplatser		svenska	Se 13 delresurser Utforska i:
Samling Finlandssvenska Del av finlandssvensk språkbank över svenskan i Finland i dag och i går		svenska	Se 56 delresurser Utforska i:
Svensk ABSAbank-Imm 1.1 Svensk annoterad korpus för aspektbaserad attitydanalys (en version av Absabank)		svenska	Datamängd: absabank-imm.zip 2023-03-30 – 1.03 MB – CC BY 4.0
Svensk analogi 2.0 Svensk semantisk och syntaktisk likhet		svenska	Datamängd: sweanalogy.zip 2023-03-30 – 178.63 KB – CC BY 4.0
Samling Fornsvenska textbankens material En samling fornsvenska texter från Fornsvenska textbanken		svenska	Se 12 delresurser Utforska i:
Samling Äldre finlandssvenska Del av finlandssvensk språkbank över svenskan i Finland i dag och i går		svenska	Se 42 delresurser Utforska i:
Samling SuperLim 2 A standardized suite for evaluation and analysis of Swedish natural language understanding systems.		svenska	Datamängd: SuperLim-2-2.0.4.zip 2024-01-25 – 156.63 MB – CC BY 4.0 Datamängd: SuperLim_maintenance.odt 2024-01-25 – 16.96 KB
SuperSim (paketterat för Superlim) 2.0 En datamängd för betydelsemässig likhet och koppling mellan svenska ord.		svenska	Datamängd: supersim-superlim.zip 2023-03-30 – 70.45 KB – CC BY 4.0
SweDiagnostics Svenska versionen av (Super)GLUE diagnostik		svenska	Datamängd: swediagnostics.zip 2023-04-04 – 72.89 KB – CC BY 4.0
SweDN 1.0 A Swedish text summarization corpus		svenska	Datamängd: swedn.zip 2023-03-30 – 89.6 MB – CC BY 4.0
Argumentation sentences 1.0 A translated corpus for classifying sentence stance in relation to a topic.		svenska	Datamängd: argumentation-sentences.zip 2023-03-30 – 827.04 KB – CC BY 4.0
Samling Familjeliv Material från diskussionsforumet Familjeliv		svenska	Se 23 delresurser Utforska i:
SweFAQ 2.0 Vanliga frågor från svenska myndigheters webbsidor med svar i randomiserad ordning		svenska	Datamängd: swefaq.zip 2023-03-30 – 89.81 MB – CC BY 4.0
Svensk EAT: frågeklassifikation En översättning av QAQC datamängden för klassificering av typer av det förväntade svaret		svenska	Datamängd: swe_qaqc_train.csv 2023-06-08 – 361.34 KB – CC BY 4.0 Datamängd: Swedish_EAT_v1.0.tsv 2023-06-08 – 2.05 KB – CC BY 4.0
Samling Bloggmix Material från ett urval av svenska bloggar. Uppdateras regelbundet.		svenska	Se 21 delresurser Utforska i:
Svensk trädbank En svensk trädbank med återanvändning av existerande resurser		svenska
SweLL-gold Uppsatser svrivna av vuxenstuderande i svenska, manuellt pseudonymiserade och annoterade med felkategorier. Korpusen innehåller både originaltexten och en normaliserad version av varje uppsats. Insamlingperiod 2017-2020.		svenska
SweNLI 1.0 A Swedish NLI dataset		svenska	Datamängd: swenli.zip 2023-03-30 – 55.13 MB – CC BY 4.0
Detektiva avdelningen Data från Detektiva avdelningen vid Göteborgs poliskammare, från slutet av 1800-talet till början av 1900-talet.		svenska	Datamängd: geocoords.txt 2023-06-20 – 326.73 KB – CC BY 4.0 Datamängd: pixelcoords.txt 2023-06-20 – 182.83 KB – CC BY 4.0
Samling Flashback Material från diskussionsforumet Flashback		svenska	Se 16 delresurser Utforska i:
Samling SweLL-pilot Uppsatser svrivna av vuxenstuderande i svenska, manuellt anonymiserade och annoterade med felkategorier. Korpusen innehåller både originaltexten och en normaliserad version av varje uppsats. Insamlingperiod 2006-2015.		svenska	Se 3 delresurser Utforska i:
Samling ASPAC The Amsterdam Slavic Parallel Aligned Corpus		svenska, vitryska, bulgariska, tjeckiska, tyska, lågsorbiska, modern greek (1453-), engelska, spanska, franska, kroatiska, högsorbiska, latin, makedonska, nederländska, polska, portugisiska, rumänska, ryska, kele (papua new guinea), slovakiska, slovenska, serbiska, slavomolisano, turkmeniska, ukrainska	Se 27 delresurser Utforska i:
Samling Göteborgsposten En korpus med texter från Göteborgs-Posten		svenska	Se 14 delresurser Utforska i:
SveParafras 2.0 Referensdatan för semantisk textjämförelse (STS Benchmark)		svenska	Datamängd: sweparaphrase.zip 2023-03-30 – 750.9 KB – CC BY 4.0
Samling Europarl European Parliament Proceedings Parallel Corpus		svenska, danska, tyska, modern greek (1453-), engelska, spanska, finska, franska, italienska, nederländska, portugisiska	Se 11 delresurser Utforska i:
Samling Kubord 1 Ordfrekvenser från moderna tidningstexter från Kungliga biblioteket		svenska	Se 84 delresurser Utforska i:
Samling Kvinnotidningar Material från äldre svenska kvinnotidskrifter		svenska	Se 7 delresurser Utforska i:

Sidansvarig: sb-webb