Clarin IS

IGC2026-MTeng-2

Mon, 14 Sep 2026 00:00:00 GMT

IGC2026-MTeng-2 Steingrímsson, Steinþór; Hafsteinsson, Hinrik English: IGC2026-MTeng-2 is a machine translated bilingual Icelandic-English version of the IGC-2026. This part of the corpus contains segments from the subcorpora published under the Icelandic Gigaword Corpus license, in total 40,472,616 items. Each item is one Icelandic sentence or a run of 2-3 consecutive sentences together with its automatic English translation and a pointer back to where in the corpus it came from. Íslenska: IGC2026-MTeng-1 er vélþýdd íslensk-ensk útgáfa af Risamálheildinni, IGC-2026. Þessi hluti inniheldur texta úr undirmálheildum sem gefnar eru út undir sérsmíðuðu leyfi: Icelandic Gigaword Corpus license, samtals 40.472.616 textabúta. Hver textabútur er ein setning eða 2-3 samliggjandi setningar, ásamt enskri þýðingu og vísun á upprunalegan stað í málheildinni.

IGC2026-MTeng-1

Mon, 14 Sep 2026 00:00:00 GMT

IGC2026-MTeng-1 Steingrímsson, Steinþór; Hafsteinsson, Hinrik English: IGC2026-MTeng-1 is a machine translated bilingual Icelandic-English version of the IGC-2026. This part of the corpus contains segments from the subcorpora published under the CC BY 4.0 license, in total 67,447,502 items. Each item is one Icelandic sentence or a run of 2-3 consecutive sentences together with its automatic English translation and a pointer back to where in the corpus it came from. Íslenska: IGC2026-MTeng-1 er vélþýdd íslensk-ensk útgáfa af Risamálheildinni, IGC-2026. Þessi hluti inniheldur texta úr undirmálheildum sem gefnar eru út undir CC BY 4.0 leyfi, samtals 67.447.502 textabúta. Hver textabútur er ein setning eða 2-3 samliggjandi setningar, ásamt enskri þýðingu og vísun á upprunalegan stað í málheildinni.

IGC-2024 5-gram: Icelandic KenLM Language Model trained on the Icelandic Gigaword Corpus (2024)

Fri, 11 Sep 2026 00:00:00 GMT

IGC-2024 5-gram: Icelandic KenLM Language Model trained on the Icelandic Gigaword Corpus (2024) Steingrímsson, Steinþór English: A 5-gram back-off language model for Icelandic, trained with KenLM on the Icelandic Gigaword Corpus, 2024 version. Íslenska: Íslenskt 5-stæðu mállíkan. Þjálfað með KenLM á Risamálheildinni, 2024 útgáfunni.

Icelandic Computer Terminology 2026.09

Sat, 12 Sep 2026 00:00:00 GMT

Icelandic Computer Terminology 2026.09 Guðmundsdóttir, Arnheiður; Hauksdóttir Wiium, Ásta Kristín; Magnússon, Guðmundur Friðrik; Viðarsson, Guðmundur Hafsteinn; Einarsson, Hafsteinn; Bergsveinsdóttir, Linda Björk; Ragnarsson, Ólafur Andri; Pálsson, Sigurður Emil; Ólafsson, Stefán; Þórhallsson, Torfi; Guðmundsson, Þorkell; Jónsson, Baldur; Helgadóttir, Sigrún; Sæmundsson, Þorsteinn; Kaldalóns, Örn S.; Steingrímsson, Steinþór The terminology collection of the Terminology Committee of the Icelandic Computer Society, extracted from the Term Bank of the Árni Magnússon Institute for Icelandic Studies in September 2026. Tölvuorðasafn, orðasafn Orðanefndar Skýrslutæknifélags Íslands, sótt úr Íðorðabanka Stofnunar Árna Magnússonar í íslenskum fræðum í september 2026.

IGC-Adjud 2026 (unannotated version)

Thu, 10 Sep 2026 00:00:00 GMT

IGC-Adjud 2026 (unannotated version) Barkarson, Starkaður; Steingrímsson, Steinþór; Hafsteinsson, Hinrik ENGLISH: IGC-Adjud is a part of the IGC-Project (Icelandic Gigaword corpus) [https://igc.arnastofnun.is] that aims to collect as much as possible of Icelandic texts that can be published, under an open or restricted licence. IGC-Adjud contains judgements from the three levels of jurisdiction in Iceland. The corpus is published in two versions. IGC-Adjud contains plain text while IGC-Adjud.ana is a linguistically marked-up version. This corpus contains the untokenized and unannotated version of IGC-Adjud, where each paragraph is contained inside of a

tag. ÍSLENSKA: IGC-Adjud er hluti af IGC-verkefninu (https://igc.arnastofnun.is) sem miðar að því að safna eins miklu og mögulegt er af íslenskum texta sem hægt er að birta með opnu eða takmörkuðu leyfi. IGC-Adjud inniheldur dóma frá þremur dómstigum á Íslandi. Hvert textasafn er gefið út í tveimur útgáfum, sem tveir sjálfstæðir hlutar. Önnur er ómörkuð og hver málsgrein er í sérstöku tagi (p) en sú síðari er tókuð, lemmuð og með málfræðilegum mörkum. Þessi málheild inniheldur ótókaða og ómarkaða útgáfu af IGC-Adjud.

IGC-Social 2026 (unannotated version)

Tue, 08 Sep 2026 00:00:00 GMT

IGC-Social 2026 (unannotated version) Hafsteinsson, Hinrik; Steingrímsson, Steinþór; Barkarson, Starkaður ENGLISH: IGC-Social is a part of the IGC-project (Icelandic Gigaword corpus) that aims to collect as much as possible of Icelandic texts that can be published, under an open or restricted licence. IGC-Social contains texts from three blog sites and three forums. The corpus comes in two formats. One contains the texts untokenized and untagged where each paragraph is contained inside of a

tag, while the other one has been tokenized, POS-tagged and lemmatized. IGC-Social contains plain text while IGC-Social.ana is a linguistically marked-up version. This corpus contains the unannotated version of IGC-Social. ÍSLENSKA: IGC-Social er hluti af IGC-verkefninu (https://igc.arnastofnun.is) sem miðar að því að safna eins miklu og mögulegt er af íslenskum texta sem hægt er að gefa út með opnu eða takmörkuðu leyfi. IGC-Social inniheldur texta af þremur bloggsíðum og þremur spjallrþráðum (bland.is, hugi.is, malenfnin.com). Málheildin er gefin út í tveimur útgáfum. IGC-Social inniheldur ótókaðan og ómarkaðan texta á meðan IGC-Social.ana er bæði tókuð og mörkuð. Þessi málheild inniheldur ómarkaða útgáfu af IGC-Social.

IGC-Books 2026 (unannotated version)

Tue, 08 Sep 2026 00:00:00 GMT

IGC-Books 2026 (unannotated version) Steingrímsson, Steinþór; Barkarson, Steinþór; Hafsteinsdóttir, Hildur; Ingimundarson, Finnur Ágúst; Magnússon, Árni Davíð; Hafsteinsson, Hinrik ENGLISH: IGC-Books is part of the IGC-Project (https://igc.arnastofnun.is) that aims to collect as much as possible of Icelandic texts that can be published under an open or restricted licence. IGC-Books contains texts from books that have been published in Iceland. Each corpus is published in two versions. IGC-Books contains plain text while IGC-Book.ana is a linguistically marked-up version. This corpus contains the tokenized and annotated version of IGC-Books. The annotated version can be found in its corresponding CLARIN repository. ÍSLENSKA: IGC-Books er hluti af IGC-verkefninu (https://igc.arnastofnun.is) sem miðar að því að safna eins miklu og mögulegt er af íslenskum texta sem hægt er að gefa út með opnu eða takmörkuðu leyfi. IGC-Books inniheldur texta úr bókum sem hafa komið út á íslensku. Málheildin er gefin út í tveimur útgáfum. IGC-Books inniheldur ótókaðan og ómarkaðan texta á meðan IGC-Book.ana er bæði tókuð og mörkuð. Þessi málheild inniheldur markaða útgáfu af IGC-Books. Mörkuðu útgáfuna má finna í viðkomandi CLARIN-hirslu.

IGC-Law 2026 (unannotated version)

Thu, 10 Sep 2026 00:00:00 GMT

IGC-Law 2026 (unannotated version) Hafsteinsson, Hinrik; Barkarson, Starkaður; Steingrímsson, Steinþór IGC-Law is part of the IGC-Project (https://igc.arnastofnun.is) that aims to collect as much as possible of Icelandic texts that can be published under an open or restricted licence. IGC-Law contains 1) the Icelandic Law corpus, 2) explanatory reports and observations extracted from bills submitted to Althingi, and 3) parliamentary proposals and resolutions. The corpus is published in two versions. IGC-Law contains plain text while IGC-Law.ana is a linguistically marked-up version. This corpus contains the untokenized and unannotated version of IGC-Law. The annotated version can be found in its corresponding CLARIN repository. ÍSLENSKA: IGC-Law er hluti af IGC-verkefninu (https://igc.arnastofnun.is) sem miðar að því að safna eins miklu og mögulegt er af íslenskum texta sem hægt er að gefa út með opnu eða takmörkuðu leyfi. Í IGC-Law er að finna 1) íslensk lög, 2) skýringar og athugasemdir úr frumvörpum sem lögð voru fyrir Alþingi og 3) þingsályktunartillögur og -ályktanir. IGC-Law inniheldur ótókaðan og ómarkaðan texta á meðan IGC-Law.ana er bæði tókuð og mörkuð. Þessi málheild inniheldur ómarkaða útgáfu af IGC-Law. Mörkuðu útgáfuna má finna í viðkomandi CLARIN-hirslu.

IGC-Journals 2026 (unannotated version)

Wed, 09 Sep 2026 00:00:00 GMT

IGC-Journals 2026 (unannotated version) Barkarson, Starkaður; Steingrímsson, Steinþór; Andrésdóttir, Þórdís Dröfn; Eiríksdóttir, Inga Guðrún; Magnússon, Bolli; Magnússon, Árni Davíð; Hafsteinsdóttir, Hildur ENGLISH: IGC-Journals is part of the IGC-Project (https://igc.arnastofnun.is) that aims to collect as much as possible of Icelandic texts that can be published under an open or restricted licence. IGC-Journals contains texts from scientific and scholarly journals or websites publishing scientific or scholarly articles. Each corpus is published in two versions. IGC-Journals contains plain text while IGC-Journals.ana is a linguistically marked-up version. This corpus contains the untokenized and unannotated version of IGC-Journals. ICELANDIC: IGC-Journals er hluti af IGC-verkefninu (https://igc.arnastofnun.is) sem miðar að því að safna eins miklu og mögulegt er af íslenskum texta sem hægt er að gefa út með opnu eða takmörkuðu leyfi. IGC-Journals inniheldur texta úr vísinda- og fræðitímaritum eða vefsíðum sem birta vísinda- eða fræðigreinar. IGC-Journals inniheldur ótókaðan og ómarkaðan texta á meðan IGC-Journals.ana er bæði tókuð og mörkuð. Þessi málheild inniheldur ómarkaða útgáfu af IGC-Journals.

IGC-Parla 2026 (unannotated version)

Wed, 09 Sep 2026 00:00:00 GMT

IGC-Parla 2026 (unannotated version) Hafsteinsson, Hinrik; Steingrímsson, Steinþór; Barkarson, Starkaður ENGLISH: IGC-Parla is part of the IGC-Project (https://igc.arnastofnun.is) that aims to collect as much as possible of Icelandic texts that can be published under an open or restricted licence. IGC-Parla contains parliamentary speeches that have been encoded according to the Parla-CLARIN recommendations [https://github.com/clarin-eric/parla-clarin]. The corpus is published in two versions. IGC-Parla contains plain text while IGC-Parla.ana is a linguistically marked-up version. This corpus contains the untokenized and unannotated version of IGC-Parla. The annotated version can be found in its corresponding CLARIN repository. ÍSLENSKA: IGC-Parla er hluti af IGC-verkefninu (https://igc.arnastofnun.is) sem miðar að því að safna eins miklu og mögulegt er af íslenskum texta sem hægt er að gefa út með opnu eða takmörkuðu leyfi. IGC-Parla inniheldur þingræður sem hafa verið kóðaðar í samræmi við staðla Parla-CLARIN [https://github.com/clarin-eric/parla-clarin]. IGC-Parla inniheldur ótókaðan og ómarkaðan texta á meðan IGC-Parla.ana er bæði tókuð og mörkuð. Þessi málheild inniheldur ómarkaða útgáfu af IGC-Parla. Mörkuðu útgáfuna má finna í viðkomandi CLARIN-hirslu.