Professionelt forfattede nyhedsartikler fra en stor international nyhedsorganisation, tilgængelige som et tilbagevendende feed på engelsk, spansk og arabisk, og som et flerårigt engelsk arkiv med byline, dato, overskrift, brødtekst og emnekoder.

Arabiske nyhedsartikler – Løbende feed

Bind
~12,775 artikler om året
Scale
~35 om dagen · gennemsnit 350 ord
Sprog
arabisk
Område
Global
dannet
Tekstfeed
Licenser
Ikke-eksklusiv

Et tilbagevendende feed af arabisksprogede nyhedsartikler på cirka 35 om dagen, kortere i gennemsnit end de engelsksprogede og spanske feeds på omkring 350 ord hver. Professionelt forfattet med fulde metadata. Redigeret arabisk nyhedstekst af høj kvalitet er sjælden i licenserbar form, hvilket gør den nyttig til dækning af aktuelle begivenheder på et sprog, hvor de fleste tilgængelige korpuser er web-scraped.

Arkivnyhedskorpus 1999 til nu

Bind
975,000 artikler
Scale
~672.75 millioner ord · udgivet fra 1999 og fremefter
Sprog
Engelsk
Område
Global
dannet
Tekstkorpus
Licenser
Ikke-eksklusiv

Mere end 25 års professionelt forfattede engelske nyheder, næsten 673 millioner ord fordelt på 975,000 artikler. Hver artikel har tags med byline, dato, overskrift, brødtekst og emne, og artikler fra 2011 og fremefter bruger en kontrolleret taksonomi til deres tags. Arkivets dybde gør det velegnet til forudgående træning, tidsmæssige ræsonnementsopgaver og til at finde historiske begivenheder.

Engelske nyhedsartikler – Løbende feed

Bind
~30,000 artikler om året
Scale
~82 om dagen · gennemsnit 845 ord
Sprog
Engelsk
Område
Global
dannet
Tekstfeed
Licenser
Ikke-eksklusiv

Et tilbagevendende feed af professionelt forfattede engelske nyhedsartikler fra en stor international nyhedsorganisation, der kører på cirka 82 artikler om dagen. Hver artikel har tags med byline, dato, overskrift, brødtekst og emne. Fordi det er et live-feed snarere end et fast korpus, er det egnet til hentningsudvidet generering og enhver model, der skal holde sig opdateret i stedet for at være fastfrosset ved en træningsgrænse.

Spanske nyhedsartikler – Løbende feed

Bind
~16,000 artikler om året
Scale
~44 om dagen · gennemsnit 692 ord
Sprog
Spansk
Område
Global
dannet
Tekstfeed
Licenser
Ikke-eksklusiv

En tilbagevendende feed af spansktalende nyhedsartikler fra den samme internationale redaktion, cirka 44 artikler om dagen. Professionelt skrevet og redigeret i stedet for aggregerede, med tags for byline, dato, overskrift, brødtekst og emne overalt. Velegnet til spansktalende modeller for aktuelle begivenheder og flersprogede søgesystemer, der har brug for ensartet redaktionel kvalitet på tværs af sprog.