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	Typ	Språk	Åtkomst
Argumentation sentences 1.0 A translated corpus for classifying sentence stance in relation to a topic.	Korpus	svenska	Datamängd: argumentation-sentences.zip 2023-03-30 – 827.04 KB – CC BY 4.0
CoDeRooMor, v.01 Dataset för morfologistudier (ordbildningsmorfologi), Svenska L2 profil-projektet	Lexikon	svenska	Datamängd: CodeRoomor_v01_lemgramView.csv 2021-04-13 – 1.96 MB – CC BY 4.0 Datamängd: CodeRoomor_v01_morphemeView.csv 2021-04-13 – 856.29 KB – CC BY 4.0 Datamängd: CodeRoomor_v01_lemgramView.xlsx 2021-04-13 – 1.72 MB – CC BY 4.0 Datamängd: CodeRoomor_v01_morphemeView.xlsx 2021-04-13 – 699.46 KB – CC BY 4.0 Utforska i:
DaLAJ-GED-Superlim 2.0 Dataset for Linguistic Acceptability Judgments (and more), v.2.0	Korpus	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
Dalin: Then Swänska Argus 1732-1734 Manuell transkription av Then Swänska Argus av Olof von Dalin, Stockholm, 1732–1734. För OCR analys.	Korpus	svenska	Datamängd: dalin-then-swaanska-argus-1732-1734.tar.gz 2020-06-12 – 80.21 MB – CC BY 4.0
Eukalyptus skriven svenska En trädbank som innnehåller skriven svenska, uppmärkt med ordklasser, syntax i stil med TIGER-trädbanken, flerordsenheter och ordbetydelser	Korpus	svenska	Datamängd: Eukalyptus-1.0.0.zip 2024-01-25 – 4.58 MB – CC BY-SA 4.0 Datamängd: Eukalyptus-0.1.0.zip 2024-01-25 – 3.66 MB – Mixed Datamängd: Eukalyptus-0.1.1.zip 2024-01-25 – 3.8 MB – Mixed Datamängd: Eukalyptus-0.2.0.zip 2024-01-25 – 4.19 MB – Mixed
SemEval2020 Task 1 Svensk testdata för SemEval 2020 Task 1: Unsupervised Lexical Semantic Change Detection (utdrag ur Kubhist v2)	Korpus	svenska	Datamängd: semeval2020_ulscd_swe.zip 2024-01-25 – 956.05 MB – CC BY 4.0
SIC2 - Stockholm Internet Corpus Korpusen Stockholm Internet Corpus (SIC2) innehåller svenska bloggar som är annoterade med ordklasstaggar, morfologiska särdrag och namnentiteter.	Korpus	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:
SUC 2.0 Stockholm-Umeå-korpus 2.0	Korpus	svenska	Ordstatistik: stats_SUC2.txt 2017-05-21 – 6.65 MB – CC BY 4.0
SUC 3.0 Stockholm-Umeå-korpus 3.0	Korpus	svenska	Datamängd: suc3.xml.bz2 2024-03-22 – 84.15 MB – CC BY 4.0 Ordstatistik: stats_suc3.csv 2024-03-28 – 7.7 MB – CC BY 4.0 Utforska i:
Samling SuperLim 2 A standardized suite for evaluation and analysis of Swedish natural language understanding systems.	Korpus	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.	Korpus	svenska	Datamängd: supersim-superlim.zip 2023-03-30 – 70.45 KB – CC BY 4.0
Svensk ABSAbank Svensk annoterad korpus för aspektbaserad attitydanalys	Korpus	svenska	Datamängd: swe-absa-bank.zip 2020-03-04 – 128.55 MB – CC BY 4.0 Datamängd: absabankimm-combined.zip 2023-02-20 – 15.87 MB – CC BY 4.0
Svensk ABSAbank-Imm 1.1 Svensk annoterad korpus för aspektbaserad attitydanalys (en version av Absabank)	Korpus	svenska	Datamängd: absabank-imm.zip 2023-03-30 – 1.03 MB – CC BY 4.0
Svensk analogi 2.0 Svensk semantisk och syntaktisk likhet	Korpus	svenska	Datamängd: sweanalogy.zip 2023-03-30 – 178.63 KB – CC BY 4.0
Svensk EAT: frågeklassifikation En översättning av QAQC datamängden för klassificering av typer av det förväntade svaret	Korpus	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
Svensk fraktur 1626-1816 Ett urval av svensk fraktur texter tryckta mellan 1626 och 1816 från samlingarna på Universitetsbiblioteket vid Göteborgs universitet (UB). För OCR analys.	Korpus	svenska	Datamängd: svensk-fraktur-1626-1816.tar.gz 2021-11-26 – 757.73 MB – CC BY 4.0
Svensk trädbank En svensk trädbank med återanvändning av existerande resurser	Korpus	svenska
Svenska tidningar 1818-1870 Ett urval av svenska tidningar tryckta mellan 1818 och 1870 från samlingarna på Kungliga biblioteket (KB). För OCR analys.	Korpus	svenska	Datamängd: svenska-tidningar-1818-1870.tar.gz 2020-05-26 – 458.22 MB – CC BY 4.0
Svenska tidningar 1871-1906 Ett urval av svenska tidningar tryckta mellan 1871 och 1906 från samlingarna på Kungliga biblioteket (KB). För OCR analys.	Korpus	svenska	Datamängd: svenska-tidningar-1871-1906.tar.gz 2022-05-03 – 831.74 MB – CC BY 4.0
SveParafras 2.0 Referensdatan för semantisk textjämförelse (STS Benchmark)	Korpus	svenska	Datamängd: sweparaphrase.zip 2023-03-30 – 750.9 KB – CC BY 4.0
Swe-NERC En resurs för träning och utvärdering av igenkänning av namngiven entitet för svenska.	Korpus	svenska	Datamängd: Swe-NERC-v1.0.tar.gz 2024-03-05 – 5.74 MB – CC BY 4.0
SweDiagnostics Svenska versionen av (Super)GLUE diagnostik	Korpus	svenska	Datamängd: swediagnostics.zip 2023-04-04 – 72.89 KB – CC BY 4.0
SweDN 1.0 A Swedish text summarization corpus	Korpus	svenska	Datamängd: swedn.zip 2023-03-30 – 89.6 MB – CC BY 4.0
SweFAQ 2.0 Vanliga frågor från svenska myndigheters webbsidor med svar i randomiserad ordning	Korpus	svenska	Datamängd: swefaq.zip 2023-03-30 – 89.81 MB – CC BY 4.0
SweNLI 1.0 A Swedish NLI dataset	Korpus	svenska	Datamängd: swenli.zip 2023-03-30 – 55.13 MB – CC BY 4.0
SweSAT Högskoleprovet ordförståelse 1.1 Högskoleprovet ordförståelse	Lexikon	svenska	Datamängd: swesat-synonyms.zip 2023-03-30 – 37.73 KB – CC BY 4.0
SweWiC 2.0 En svensk ord-i-sammanhang datamängd	Korpus	svenska	Datamängd: swewic.zip 2023-03-30 – 587.65 KB – CC BY 4.0
SweWinogender 2.0 En svensk datamängd för koreferens och könsbias	Korpus	svenska	Datamängd: swewinogender.zip 2023-03-30 – 28.3 KB – CC BY 4.0
SweWinograd 2.0 En svensk datamängd för pronomentolkning	Korpus	svenska	Datamängd: swewinograd.zip 2023-03-30 – 33.41 KB – CC BY 4.0
Syntag trädbank En svensk trädbank med syntaktisk analys av 158 artiklar ur Press-65.	Korpus	svenska	Datamängd: syntag.txt 2010-02-08 – 4.45 MB – CC BY 4.0 Datamängd: syntag.html 2010-05-24 – 10.15 MB – CC BY 4.0
TalbankenSBX Talbanken är en svensk trädbank. Detta är Språkbanken Texts version av Talbanken.	Korpus	svenska	Datamängd: talbanken.xml.bz2 2017-06-07 – 1.54 MB – CC BY 4.0 Ordstatistik: stats_TALBANKEN.txt 2016-03-13 – 1.06 MB – CC BY 4.0 Datamängd: changelog.txt 2020-06-11 – 316 byte – CC BY 4.0 Datamängd: TalbankenSBX_morphsplit20200610.zip 2020-06-11 – 3.64 MB – CC BY 4.0 Datamängd: TalbankenSBX_syntsplit20200610.zip 2020-06-11 – 807.09 KB – CC BY 4.0 Utforska i:
TalbankenSTB Talbanken är en svensk trädbank.	Korpus	svenska	Datamängd: TalbankenSTB.zip 2020-08-11 – 2.6 MB – CC BY 4.0 Datamängd: TalbankenSTB_README.txt 2020-08-11 – 1.05 KB – CC BY 4.0 Datamängd: TalbankenSTB_documentation.zip 2020-08-11 – 62.23 KB – CC BY 4.0 Datamängd: TalbankenSTB_datasplit.zip 2020-08-11 – 2.6 MB – CC BY 4.0 Datamängd: TalbankenSTB_original_parts.zip 2020-08-11 – 2.95 MB – CC BY 4.0

Sidansvarig: sb-webb