Die Studie untersucht, wie sich die Versorgung in ländlichen Regionen über zwei Jahrzehnte verändert hat. Grundlage sind amtliche Berichte und Register.
Die Ergebnisse zeigen deutliche Unterschiede zwischen den Bundesländern …
AI-trainingsdata
Meertalige tekst, broncode en biomedische corpora. Elk document draagt zijn licentieklasse en het bewijs daarvoor.
130+talen, waarvan veel zeldzaam en met weinig bronnen
{ "text": "Die Studie untersucht, wie …", "language": "de", "subject": "medicine", "licence_class": "public-domain", "licence_evidence": "source statement", "quality": "clean", "text_hash": "9f2c…e41a" }
10programmeertalen, van COBOL tot Rust
{ "file": "payroll.cbl", "language": "cobol", "licence": "Apache-2.0", "licence_evidence": "licence file", "notice": "included in delivery", "text": "IDENTIFICATION DIVISION. …" }
Tekst + recordsvan farmacologie tot tropische geneeskunde
{ "text": "The compound inhibits …", "language": "en", "subject": "pharmacology", "licence_class": "attribution", "licence": "CC-BY-4.0", "attribution": "included in delivery", "quality": "clean" }
talen in tekst, plus broncode en biomedische corpora. Gelicentieerd per taal, vakgebied en omvang.
Bekijk de datasetsGeëxtraheerd, opgeschoond, ontdubbeld en ontdaan van persoonsgegevens. Verwerkt in Duitsland of in uw eigen omgeving.
Hoe het werktEen gemeten kwaliteitsrapport voor elke tekst- of codedataset. Alleen cijfers, nooit uw tekst.
Wat er gemeten wordtVan document tot record
Elk document behoudt de taal waarmee het is vastgelegd. Onafhankelijke detectoren controleren dat label waar ze kunnen, en de catalogus laat zien hoe elk label is bevestigd.
Elk document valt onder een van meer dan 140 vakgebieden, van recht en overheidsarchieven tot geneeskunde en techniek, zodat u precies het deel licentieert dat u nodig hebt.
De licentieklasse staat naast de reden waarom we die aanhouden: de verklaring van de bron, het werk zelf of de publicatiedatum. Is de reden onduidelijk, dan wordt het document achtergehouden.
Beschadigde tekst, navigatieresten en zware herhaling worden gemarkeerd, niet stilletjes verwijderd. U bepaalt wat u houdt.
{ "text": "Die Studie untersucht, wie …", "language": "de", "subject": "medicine", "licence_class": "public-domain", "licence_evidence": "source statement", "quality_flags": [] }
Het corpus
De corpora groeien elke dag. De catalogus geeft exacte, gedateerde cijfers, naar beneden afgerond.
Licentiebeleid
U ziet waarvoor elk document gebruikt mag worden, en waarom we dat zeggen.
Datacuratie
De pipeline waarmee we onze corpora bouwen, toegepast op uw documenten, scans, audio en video. Op onze eigen machines in Duitsland onder een verwerkersovereenkomst, of in uw eigen omgeving. Na levering verwijderd, met schriftelijke bevestiging.
We reageren binnen één werkdag met de catalogus, een evaluatiesteekproef of een pilotvoorstel.