Telenor Nordics Customer Service Self-Help Corpus
Nordic Machine Intelligence · 19.06.2026 · 6 (1) · 27-38
DOI: 10.5617/nmi.13262 ↗Kurz gefasst
Fachartikel in der Zeitschrift Nordic Machine Intelligence, online erschienen am 19.06.2026. Verfasst von Mike Riess. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Denne artikkelen presenterer et flerspråklig korpus for kundeservice og selvhjelp som består av 1 122 manuelt validerte dokumenter på finsk, dansk, norsk og svensk, med totalt over én million tokens. Dokumentene er hentet fra de offentlige selvhjelpssidene til fire nordiske telekommunikasjonsoperatører og deretter filtrert for personidentifiserbare opplysninger, relevans og duplikater gjennom en kombinert rørledning av store språkmodeller (LLM) og menneskelig annotering. Domenespesifikke datasett for nordiske språk er fremdeles mangelvare, særlig innen kundeservice: et domene med økende betydning for hentingsforsterket generering (RAG), tverrspråklig overføringslæring og fremvoksende agentbaserte tjenestearkitekturer. En analyse av korpuset avslører betydelig variasjon i dokumentlengde og struktur på tvers av operatørene, noe som gjenspeiler ulike redaksjonelle strategier, samt en bred tematisk dekning som spenner over nettverksmaskinvare, mobiltjenester, TV og strømming, fakturering og kontoadministrasjon. Datasettet er offentlig tilgjengelig under en CC-BY-NC-SA-4.0-lisens på https://github.com/tnresearch/tn_selfhelp_corpus, med hensikt å støtte reproduserbar forskning innen nordisk språkteknologi (NLP) og informasjonshenting.
Zitieren
APA
Riess, M. (2026). Telenor Nordics Customer Service Self-Help Corpus. Nordic Machine Intelligence, 6(1), 27-38. https://doi.org/10.5617/nmi.13262
Vancouver
Riess M. Telenor Nordics Customer Service Self-Help Corpus. Nordic Machine Intelligence. 2026;6(1):27-38. doi:10.5617/nmi.13262
BibTeX
@article{Riess2026,
author = {Riess, Mike},
title = {Telenor Nordics Customer Service Self-Help Corpus},
journal = {Nordic Machine Intelligence},
year = {2026},
volume = {6},
number = {1},
pages = {27--38},
doi = {10.5617/nmi.13262}
}
EUVIMED