Professioneel geschreven nieuwsartikelen van een grote internationale nieuwsorganisatie, beschikbaar als een terugkerende feed in het Engels, Spaans en Arabisch, en als een meerjarig Engelstalig archief met auteursnaam, datum, kop, tekst en onderwerptags.

Arabische nieuwsartikelen – Doorlopende feed

Volume
Ongeveer 12,775 artikelen per jaar.
Scale
~35 per dag · gemiddeld 350 woorden
Taal
Arabisch
Regio
Globaal
Formaat
Tekstfeed
Licenties
Niet exclusief

Een terugkerende feed met Arabischtalige nieuwsartikelen, ongeveer 35 per dag, gemiddeld korter dan de Engelstalige en Spaanstalige feeds van circa 350 woorden. Professioneel geschreven met volledige metadata. Hoogwaardige, bewerkte Arabische nieuwsteksten zijn schaars in licentie te geven vorm, waardoor dit nuttig is voor berichtgeving over actuele gebeurtenissen in een taal waar de meeste beschikbare corpora via webscraping zijn verkregen.

Archiefnieuwscorpus 1999 tot heden

Volume
975,000 artikelen
Scale
~672.75 miljoen woorden · gepubliceerd vanaf 1999
Taal
Engels
Regio
Globaal
Formaat
Tekstcorpus
Licenties
Niet exclusief

Meer dan vijfentwintig jaar aan professioneel geschreven Engelstalig nieuws, met bijna 673 miljoen woorden verdeeld over 975,000 artikelen. Elk artikel is voorzien van tags voor auteur, datum, kop, inhoud en onderwerp. Artikelen vanaf 2011 gebruiken een gecontroleerde taxonomie voor hun tags. De omvang van het archief maakt het geschikt voor voorbereidende trainingen, taken op het gebied van tijdsredenering en het opzoeken van historische gebeurtenissen.

Engelse nieuwsartikelen – Doorlopende feed

Volume
Ongeveer 30,000 artikelen per jaar.
Scale
~82 per dag · gemiddeld 845 woorden
Taal
Engels
Regio
Globaal
Formaat
Tekstfeed
Licenties
Niet exclusief

Een terugkerende feed met professioneel geschreven Engelstalige nieuwsartikelen van een grote internationale nieuwsorganisatie, met een frequentie van ongeveer 82 artikelen per dag. Elk artikel is voorzien van tags voor auteur, datum, kop, inhoud en onderwerp. Omdat het een live feed is in plaats van een vaste dataset, is het geschikt voor retrieval-augmented generation en elk model dat actueel moet blijven in plaats van vast te zitten op een trainingsdrempel.

Spaanse nieuwsartikelen – Doorlopende feed

Volume
Ongeveer 16,000 artikelen per jaar.
Scale
~44 per dag · gemiddeld 692 woorden
Taal
Spaans.
Regio
Globaal
Formaat
Tekstfeed
Licenties
Niet exclusief

Een terugkerende feed met Spaanstalige nieuwsartikelen van dezelfde internationale redactie, met ongeveer 44 artikelen per dag. Professioneel geschreven en bewerkt in plaats van samengevoegd, met auteursnaam, datum, kop, tekst en onderwerptags. Geschikt voor Spaanstalige actualiteitenmodellen en meertalige zoeksystemen die een consistente redactionele kwaliteit in alle talen vereisen.