> For the complete documentation index, see [llms.txt](https://gplsi.gitbook.io/soporte-alia/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://gplsi.gitbook.io/soporte-alia/corpus-de-elevada-calidad/corpus-de-texto.md).

# Corpus de texto

<table data-view="cards"><thead><tr><th></th><th></th><th></th><th></th><th></th><th></th><th></th><th></th><th></th><th></th></tr></thead><tbody><tr><td><strong>Idioma</strong></td><td>Español-Valenciano</td><td><strong>Número de frases</strong></td><td><ul><li>JSON: 283.979.280 palabras; 1.65GB.</li><li>PDF: 6.08GB (comprimido)</li></ul></td><td><strong>Origen de los datos</strong> </td><td>Diari Oficial de la Generalitat Valenciana (DOGV)</td><td><strong>Disponible en</strong> </td><td><a href="https://ftp.gplsi.es/s/1JaZDF2SbbLmpYB">Enlace</a></td><td><strong>Nombre del corpus</strong></td><td>VIVES.TEXT_dogv</td></tr><tr><td><strong>Idioma</strong></td><td>Español-Valenciano</td><td><strong>Número de frases</strong></td><td><ul><li>JSON: 7.699.663 palabras; 81.4MB.</li></ul></td><td><strong>Origen de los datos</strong> </td><td>Boletín Oficial de la Universidad de Alicante (BOUA)</td><td><strong>Disponible en</strong> </td><td><a href="https://ftp.gplsi.es/s/gLLEx1LH14rh29H">Enlace</a></td><td><strong>Nombre del corpus</strong></td><td>VIVES.TEXT_boua</td></tr><tr><td><strong>Idioma</strong></td><td>Español-Valenciano (multilingüe)</td><td><strong>Número de frases</strong></td><td><p></p><ul><li>HTML: 1.05GB.</li></ul></td><td><strong>Origen de los datos</strong></td><td>Boletín Oficial de les Corts Valencianes</td><td><strong>Disponible en</strong> </td><td><a href="https://ftp.gplsi.es/s/dCr8zsGMOqSQsJ3">Enlace</a></td><td><strong>Nombre del corpus</strong></td><td>VIVES.TEXT_Les_Corts</td></tr><tr><td><strong>Idioma</strong></td><td>Valenciano</td><td><strong>Número de frases</strong></td><td><ul><li>JSON: 30.622.242 palabras; 222MB.</li></ul></td><td><strong>Origen de los datos</strong></td><td>Corpus de periódicos/blogs (repositorio <a href="https://www.amic.media/mitjans_digitals.php?sel_provincia=9&#x26;sel_comarca=0&#x26;txt_search=">AMIC</a>)</td><td><strong>Disponible en</strong> </td><td><a href="https://ftp.gplsi.es/s/5BGCwbtXeZOVy30">Enlace</a></td><td><strong>Nombre del corpus</strong></td><td>VIVES.TEXT_amics</td></tr><tr><td><strong>Idioma</strong></td><td>Español</td><td><strong>Número de frases</strong></td><td><ul><li>CSV: 4.561 tripletas de textos; 25.5MB.</li></ul></td><td><strong>Origen de los datos</strong></td><td>Corpus del proyecto CLEARTEXT</td><td><strong>Disponible en</strong></td><td><a href="https://huggingface.co/datasets/gplsi/cleartext_es">Enlace</a></td><td><strong>Nombre del corpus</strong></td><td>CLEARTEXT_ES</td></tr></tbody></table>