সংবাদ এবং সাংবাদিকতামূলক পাঠ্য ডেটাসেট

প্রতিদিন প্রায় ৩৫টি আরবি ভাষার সংবাদ নিবন্ধের একটি নিয়মিত ফিড, যেগুলো গড়ে ইংরেজি এবং স্প্যানিশ ফিডের চেয়ে ছোট, প্রতিটি প্রায় ৩৫০ শব্দের। সম্পূর্ণ মেটাডেটা সহ পেশাদারভাবে রচিত। লাইসেন্সযোগ্য আকারে উচ্চ-মানের সম্পাদিত আরবি সংবাদ টেক্সট দুষ্প্রাপ্য, যা এটিকে এমন একটি ভাষায় সাম্প্রতিক ঘটনাবলীর কভারেজের জন্য উপযোগী করে তোলে, যেখানে উপলব্ধ বেশিরভাগ কর্পোরা ওয়েব-স্ক্র্যাপ করা হয়।

একই আন্তর্জাতিক নিউজরুম থেকে স্প্যানিশ ভাষার সংবাদ নিবন্ধের একটি নিয়মিত ফিড, যাতে প্রতিদিন প্রায় ৪৪টি নিবন্ধ থাকে। এগুলো সংকলন না করে পেশাগতভাবে লেখা ও সম্পাদনা করা হয় এবং এতে লেখকের নাম, তারিখ, শিরোনাম, মূল অংশ ও বিষয় ট্যাগ জুড়ে দেওয়া থাকে। এটি স্প্যানিশ ভাষার সাম্প্রতিক ঘটনাবলির মডেল এবং এমন বহুভাষিক তথ্য পুনরুদ্ধার ব্যবস্থার জন্য উপযুক্ত, যেখানে বিভিন্ন ভাষায় একই রকম সম্পাদকীয় মানের প্রয়োজন হয়।