dc.contributor.author	Det Kgl. Bibliotek
dc.date.accessioned	2026-01-09T11:52:50Z
dc.date.available	2026-01-09T11:52:50Z
dc.date.issued	2026-01-12
dc.description.abstract	Datasættet består af 14465 statslige digitale publikationer indsamlet af Det Administrative Bibliotek, der indtil 1. januar 2025 var Det Kgl. Biblioteks service for ansatte i centraladministrationen. Datasættet er skabt af Det Kgl. Bibliotek, men defineret af Digitaliseringsstyrelsen med henblik på træning af danske sprogmodeller. En del af teksterne er digital-fødte tekster, mens en anden del af teksterne er digitaliseret med OCR-skanning. Ved tidspunktet for udgivelsen af datasættet har det været umuligt at skaffe oplysninger om, hvilke dele der er digitaliseret med OCR, men det antages at materiale udgivet før 2000 er digitaliseret. Det har ikke været muligt at skaffe maskinproducerede OCR-konfidenstal til at beskrive OCR-kvaliteten, men kvaliteten af den digitaliserede tekst vurderes ved øjesyn at være god. OCR-kvaliteten er ikke forsøgt efterbehandlet med henblik på fejlrensning. Hovedparten af teksterne er skrevet på dansk. En meget lille del er på forskellige andre sprog. Nogle ganske få tekster er skrevet på flere sprog. Det er f.eks. en vejledning på både dansk og grønlandsk. Datasættet findes både i et csv format og i parquet format. Filerne er zippet med 7-Zip, som skal downloades og benyttes til at pakke filerne ud. Licens: Love, administrative forskrifter, retsafgørelser, rapporter, betænkninger, vejledninger og lignende offentlige aktstykker er ikke genstand for ophavsret. Du kan frit kopiere, distribuere eller fremføre materialet uden at bede om tilladelse. Persondata: Datasættet stammer fra statslige digitale publikationer offentliggjorte på ministeriers og styrelsers hjemmesider. Love, administrative forskrifter, retsafgørelser og lignende offentligt tilgængelige aktstykker er ikke undergivet særlige beskyttelseshensyn. Du kan læse mere om Det Kgl. Biblioteks behandling af personoplysninger i de statslige digitale publikationer her (oplysningstekst - se vedhæftet). (Læs mere i Readme fil - vedhæftet).
dc.identifier.uri	https://loar.kb.dk/handle/1902/49125
dc.language.iso	dk
dc.rights	CC0 1.0 Universal	en
dc.rights.uri	http://creativecommons.org/publicdomain/zero/1.0/
dc.title	Statslige Digitale Publikationer - træningsdata
dc.type	Dataset

Statslige Digitale Publikationer - træningsdata

Files

Original bundle

License bundle

Collections