开放丹麦语十亿词语料
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Danish Gigaword 是由 IT University of Copenhagen 发起、丹麦多所大学和企业参与贡献的丹麦语十亿词级语料库。项目目标是为丹麦语自然语言处理提供一个代表性、易获取、可作为共同起点的大规模数据集。主页以英文维护，便于丹麦以外的研究者和开发者使用。
从开发者工具角度看，它不是一款在线 API 服务，而是一个面向 NLP 开发的数据基础设施。数据可通过 Hugging Face Datasets 获取，适合用于丹麦语语言模型预训练、文本分析工具构建和学术实验。已知使用案例包括 Ælæctra 丹麦语 ELECTRA 模型，以及 Analyse & Tal 的 A&ttack and Ha&te、Sketch Engine 中的实现，说明其已进入一定研究与工具生态。
该项目采用 CC-BY 4.0 许可，免费开放分发，不收取费用、版税，也不要求签署协议；但使用者必须署名。如果不能按要求致谢，则没有使用许可。正文未提供专用 API、SDK、命令行工具或云端服务信息，主要集成路径是从 Hugging Face 下载后接入自有 NLP 流水线。
优点是规模大、开放免费、许可要求清晰，并由学术机构主导，适合作为丹麦语模型训练的基础语料。缺点是页面中缺少更细的数据字段说明、版本策略、清洗流程、领域分布和工程化示例；对非 NLP 专业团队来说，仍需自行完成下载、预处理、训练和合规署名。
它最适合丹麦语 NLP 研究者、语言模型团队、学术机构和需要构建丹麦语文本工具的开发者。中国用户访问项目主页可能可用，但核心下载依赖 Hugging Face，实际网络环境可能部分受限，必要时需准备代理或镜像方案。支付方面没有障碍，因为数据免费。若需要替代品，可考虑 Hugging Face 上其他丹麦语/多语种语料、OSCAR、mC4 或 Common Crawl 衍生数据，但许可与质量需另行评估。
本测评基于公开资料整理,不构成购买建议,请以 gigaword.dk 官网实际信息为准。
免费开放语料，对NLP和小语种AI有价值。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。