Større mængder af danske tekst / Artikler

Jeg arbejder pt på et lille hobby projekt, og har i den forbindelse brug for større mængder af danske tekster / artikler. De skal helst gerne være noget som ligger frit tilgængeligt for alle – og helst gerne noget som er “let læseligt” for pøblen, men dette er ikke super vigtigt :). Hvis det ligger i dumps, ville det være optimalt – men heller ikke nødvendigt.

Har pt:
lex.dk
Alle danske wiki-artikler

Det må gerne være tekst, lignende ting man kan finde på ovenstående sider :).

Har DR nogen gode forslag :)?

find de bedste ledige domæner, https://thedomainrobot.com

Emne

[VampiricEyeRusher 3675 Indlæg Online]

Er der tale om en klassisk ldls?

Nintendo Influencer

På dansk: https://www.youtube.com/channel/UC-6I6HgrpYjimEpvayLu3Vg

På engelsk: https://www.youtube.com/channel/UCNNzj5gu0Iolj4vcNIp1IUA

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

#1 Ved ikke hvad ldls er – så det gør jeg ikke sige

find de bedste ledige domæner, https://thedomainrobot.com

• Dette svar blev ændret 3 år, 2 måneder siden af Nisshind.

[VampiricEyeRusher 3675 Indlæg Online]

#2 Lav dine lektier selv.:D

Nintendo Influencer

På dansk: https://www.youtube.com/channel/UC-6I6HgrpYjimEpvayLu3Vg

På engelsk: https://www.youtube.com/channel/UCNNzj5gu0Iolj4vcNIp1IUA

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

#3 Læste du faktisk mit indlæg inden du besluttede dig for at kommentere? jeg beder om forslag til hjemmesider med artikler, ikke om at folk skal scrape det for mig – eller vurdere om jeg kan bruge det ;).
Jeg har tydeligtvis brugt tid på det, når jeg allerede har fundet et par større samlinger – men til fremtiden, hvad er cutoff’et mellem “ldls” og “du må gerne spørge om forslag”?

find de bedste ledige domæner, https://thedomainrobot.com

[BamsRusher 353 Indlæg Offline]

Hvad med det kongelige bibliotek? Det ligner at der er en hulens masse litteratur til rådighed dér:

https://tekster.kb.dk/

[BamsRusher 353 Indlæg Offline]

Og bare ud af ren nysgerrighed – Hvad går dit hobbyprojekt ud på?

[VampiricEyeRusher 3675 Indlæg Online]

#4 Jeg havde lige glemt, at det ikke er alle, der kender alle DR-memes. Jeg beklager.:)

Nintendo Influencer

På dansk: https://www.youtube.com/channel/UC-6I6HgrpYjimEpvayLu3Vg

På engelsk: https://www.youtube.com/channel/UCNNzj5gu0Iolj4vcNIp1IUA

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

#5 / #6 Tak, den vil jeg give et kig!
Træner/fine-tuner en GPT-2 model til at kunne snakke/skrive dansk

find de bedste ledige domæner, https://thedomainrobot.com

[ParusRusher 116 Indlæg Offline]

Hvis det blot handler om tekst:
Hestenettet.dk dailyrush.dk

Dr.dk har også en hulens masse tekst der er let tilgængelig.
Altinget.dk måske?

Videnskab.dk men der er alt ikke nødvendigvis lige tilgængelig.

Hvad fylder alle danske wikipedia artikler?

[BamsRusher 353 Indlæg Offline]

#8 fedt, pøj pøj med det👍🏻

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

#9 Perfekt! Jeg havde ikke overvejet nogen af de sider.

Det dump jeg har er 350mb zippet ~ 120k artikler or so

find de bedste ledige domæner, https://thedomainrobot.com

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

Med #9 forslag er jeg oppe på ~ 700mb (efter alt er formateret, og strippet for “unødvendige ting”) eller godt og vel 353.000 danske artikler.

Danske Artikler med specifikke emner søges stadig – er gået lidt væk fra random text (dvs. hestenettet, diverse forum posts osv), da det præger model’en og hvordan den skriver

find de bedste ledige domæner, https://thedomainrobot.com

[MemorianxRusher 256 Indlæg Offline]

Artikler fra diverse nyheds medier kan ikke bruges?

Hvis det skal være lidt mere emne relateret kan du måske undersøge diverse fagblade de er dog desværre ofte låst men måske du er medlem et sted,

[ParusRusher 116 Indlæg Offline]

Der er måske ikke 1000’vis af artikler, men der mange fagtekster til skoleelever ved Gyldendal, Clio og Alinea, men de kræver desværre login. Muligvis har de for tiden mulighed for gratis login.

[ParusRusher 116 Indlæg Offline]

Hvad med sports fora fx bold.dk og Tech og film – newz.dk, filmz.dk og kan ikke huske hvad den anden filmside der er bedre hedder.

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

#15 Har allerede et par sider med film reviews – meeen mon ikke man også lige kunne klare filmz :P.
Rigtig god ide med sport, det havde jeg ikke overvejet (bold.dk er dog ikke super god til formålet).

Jeg har ret meget tech, så det er godt med lidt andre genre – måske skal jeg seogså at finde nogen sider med krop/sundhed/mad/(sport)

find de bedste ledige domæner, https://thedomainrobot.com

[JeppeRusher 360 Indlæg Offline]

Videnskab.dk
Skeptica.dk (se under “Indeks” i toppen)

[NisshindRusher#0 Trådstarter 33 Indlæg Offline]

#17 Videnskab.dk, havde små 30k artikler – så den var perfekt :+1:
skeptica.dk, virker umiddelbart ikke til at ha så mange? eller kan jeg ikke finde dem?

find de bedste ledige domæner, https://thedomainrobot.com

[JeppeRusher 360 Indlæg Offline]

#18
Der ligger da en del her (ikke så meget som ved ægte medier):

Indeks

[StultusX2Rusher 2003 Indlæg Offline]

Parus wrote:

Hvad med sports fora fx bold.dk og Tech og film – newz.dk, filmz.dk og kan ikke huske hvad den anden filmside der er bedre hedder.

Moovy?

My TIE! My nimble coffin! Og det ér KUNS med Collector's CD-ROM 1995!
En snarligt uddøende single Player med Logitech Wingman Extreme Digital 3D - der “skal tage sine piller og sætte sig ned bag i bussen”...

[ParusRusher 116 Indlæg Offline]

#20 Ja det var moovy jeg ikke kunne huske.

#16 Der må være andre sportsider jeg kender bare kun bold.dk

Af livsstil er der woman.dk og femina.dk og alt.dk sundhed.dk (vist ikke så god), netdoktor.dk og netsundhedsplejerske.dk

[Forfatter]

Svar