Modelis sukurtas kaip tęstinės lietuvių kalbos modelių plėtros dalis, naudojant Bendrąjį lietuvių kalbos tekstyną ir specialiai šiam modeliui parengtą 32 768 tokenų žodyną (tokenizerį). Sukurtas tyrimams, išankstiniam mokymui nuo nulio ir tolesniam pritaikymui lietuvių kalbos generavimo bei kalbos technologijų užduotyse. Modelio svoriai buvo inicializuoti atsitiktine tvarka, o mokymas vykdytas dviem etapais, naudojant Lietuvių kalbos tekstyno apdorotą variantą, parengtą ilgo konteksto mokymui. Modeliui buvo naudojamas specialiai apmokytas 32 000 tokenų tokenizeris. Turėdamas apie 1,04 mlrd. parametrų ir palaikydamas maksimalų 32 768 tokenų konteksto ilgį, modelis yra pritaikytas efektyviai apdoroti ilgus lietuviškus tekstus ir mišraus domeno turinį. Jis skirtas naudoti kaip bazinis generatyvinis modelis tolesniam papildomam mokymui, domeniniam adaptavimui ir eksperimentams lietuvių kalbos NLP srityje. Pagal nutylėjimą modelis nėra instruktavimui pritaikytas ar specializuotas konkrečioms užduotims. Norint jį taikyti pokalbių sistemoms, santraukų sudarymui, klasifikavimui ar domeniškai specifiniam generavimui, rekomenduojamas papildomas mokymas ir vertinimas. Finansuoja Ekonomikos gaivinimo ir atsparumo didinimo priemonės planas „Naujos kartos Lietuva“ ir NextGenerationEU.

Duomenų rinkinį sudaro sintetiniai lygiagretūs tekstynai šioms kalbų poroms: lietuvių-anglų, lietuvių-prancūzų ir lietuvių-vokiečių. Tekstynai skirti neuroninių mašininio vertimo ir kitų natūralios kalbos apdorojimo uždavinių sprendimui. Rinkinį sudaro daugiau kaip 3 milijonai lygiagrečių sakinių porų, po daugiau kaip 1 milijoną kiekvienai kalbų porai. Duomenys generuoti taikant kontekstinių šablonų metodą, leidžiantį sistemingai įtraukti įvardintas esybes (pvz., asmenvardžius, vietovardžius, organizacijas ir kt.) bei užtikrinti jų vartojimą įvairiose gramatinėse formose. Papildomai lietuvių-anglų dalyje integruota medicininė terminija, paremta struktūruotais medicinos srities terminų rinkiniais. Kartu pateikiami ir ištekliai, naudoti sintetinių tekstynų generavimui: daugiau kaip 20 tūkst. įvardintų esybių kiekvienai kalbų porai (11 įvardintų esybių kategorijų), taip pat daugiau kaip 50 kontekstinių šablonų kiekvienai kategorijai. Tekstynai pasižymi kontroliuojama struktūra ir lingvistine įvairove, nes sakiniai generuoti iš realių kalbos vartojimo pavyzdžių pagrindu sukurtų šablonų. Duomenys pateikiami lygiagrečia forma, užtikrinant tiesioginį sakinių atitikimą tarp kalbų, ir yra tinkami tiesioginiam naudojimui modelių treniravimui. Rinkinys pateikiamas TXT ir TMX formatais, leidžiančiais naudoti jį tiek mašininio mokymosi aplinkose, tiek vertimo atmintis naudojančioje programinėje įrangoje. Šis išteklius ypač naudingas užduotims, susijusioms su įvardintų esybių ir specializuotos terminijos vertimu, taip pat modelių testavimui ir klaidų analizei.

Daugiakalbių (paralelinių) ir vienakalbių tekstynų rinkinys, skirtas natūralios kalbos apdorojimo, mašininio vertimo ir kitų dirbtinio intelekto technologijų taikymams. Kalbos: lietuvių, ispanų, ukrainiečių, norvegų, švedų ir danų. Išteklių sudaro vienakalbiai tekstynai ir daugiakalbiai (paraleliniai) tekstynai, apimantys bendrosios, informacinių technologijų ir teisės sričių tekstus. Duomenų kiekiai: • Ispanų vienakalbis tekstynas - ≥ 8 mln. sakinių. • Ukrainiečių vienakalbis tekstynas - ≥ 8 mln. sakinių. • Norvegų vienakalbis tekstynas - ≥ 8 mln. sakinių. • Švedų vienakalbis tekstynas - ≥ 8 mln. sakinių. • Danų vienakalbis tekstynas - ≥ 8 mln. sakinių. • Ispanų–lietuvių lygiagretus tekstynas - ≥ 4 mln. lygiagrečių sakinių. • Ukrainiečių–lietuvių lygiagretus tekstynas - ≥ 1 mln. lygiagrečių sakinių. • Norvegų–lietuvių lygiagretus tekstynas - ≥ 1 mln. lygiagrečių sakinių. • Švedų–lietuvių lygiagretus tekstynas - ≥ 1 mln. lygiagrečių sakinių. • Danų–lietuvių lygiagretus tekstynas - ≥ 1 mln. lygiagrečių sakinių. Duomenys pateikiami šiais formatais: TXT (vienakalbiai tekstai) ir TMX (paraleliniai tekstai), naudojant UTF-8 koduotę. Papildomai pateikiami metaduomenys ir statistinė informacija. Ištekliai skirti mašininio vertimo sistemų kūrimui ir vertinimui, kalbos modelių mokymui, daugiakalbių NLP sprendimų vystymui, lingvistiniams tyrimams bei vertimo technologijoms (CAT, vertimo atmintims). Kuriant tekstynus užtikrinta duomenų kokybė: vienakalbiuose tekstynuose rašybos klaidų lygis neviršija 0,5 %, o paraleliniuose tekstynuose lygiavimo klaidų kiekis neviršija 2,5 %.

Atnaujintų vienakalbių ir daugiakalbių (paralelinių) tekstynų rinkinys, skirtas natūralios kalbos apdorojimo, mašininio vertimo ir kitų dirbtinio intelekto technologijų taikymams. Kalbos: lietuvių, anglų, prancūzų, vokiečių ir lenkų. Išteklių sudaro vienakalbiai tekstynai (≥ 1 mln. sakinių kiekvienai kalbai) ir daugiakalbiai (paraleliniai) tekstynai (≥ 0,4 mln. sakinių porų kiekvienai kalbų porai). Duomenų kiekiai: • Lietuvių vienakalbis tekstynas – 4.1 mln. sakinių. • Anglų vienakalbis tekstynas – 1.6 mln. sakinių. • Prancūzų vienakalbis tekstynas – 3 mln. sakinių. • Vokiečių vienakalbis tekstynas – 1.1 mln. sakinių. • Lenkų vienakalbis tekstynas – 2.4 mln. sakinių. • Lietuvių-anglų lygiagretus tekstynas – 580 tūkst. lygiagrečių sakinių. • Lietuvių-prancūzų lygiagretus tekstynas – 505 tūkst. lygiagrečių sakinių. • Lietuvių-vokiečių lygiagretus tekstynas – 419 tūkst. lygiagrečių sakinių. • Lietuvių-lenkų lygiagretus tekstynas – 455 tūkst. lygiagrečių sakinių. Duomenys pateikiami šiais formatais: TXT (vienakalbiai tekstai) ir TMX (paraleliniai tekstai) Papildomai pateikiami metaduomenys ir statistiniai duomenys. Ištekliai skirti mašininio vertimo sistemų kūrimui ir vertinimui, kalbos modelių mokymui, lingvistiniams ir terminologiniams tyrimams, vertimo atmintims ir CAT įrankiams. Kuriant tekstynus kontroliuotas rašybos klaidų ir užsienietiškų intarpų kiekis vienakalbiuose tekstynuose, bei sakinių lygiavimo tikslumas paraleliniuose tekstynuose.

Bendrasis lietuvių kalbos tekstynas skirtas dirbtinio intelekto poreikiams. Tekstyną sudaro: 25 Parquet formato failai, eilučių (tekstų) skaičius: 8 438 155, žodžių skaičius: 3 941 476 219, failų dydis: 11,7 GB. Tekstynas buvo sudarytas iš 36 skirtingų šaltinių, įskaitant naujienų portalus, teisinius ir administracinius dokumentus, mokslinius leidinius, internetinius tekstus, kalbos transkripcijas ir grožinę literatūrą. Visi šaltiniai buvo įtraukti gavus reikiamus leidimus, licencijas ar remiantis kitais teisėtais naudojimo pagrindais, laikantis galiojančių autorių teisių ir duomenų apsaugos reikalavimų.

Melagingos informacijos automatinio identifikavimo tekstynas apima lingvistinius resursus, reikalingus kuriant ir vystant dirbtinio intelekto technologijomis grįstus sprendimus, kurie gebėtų automatiškai atpažinti klaidinančią informaciją interneto žiniasklaidos medijų tekstuose. Bendras Tekstyno dydis yra 5 162 anotuoti įrašai. Klaidinančios informacijos lygmens įvertį bendru sutarimu nustatė 2 (du) profesionalūs vertintojai. Metaduomenų kategorijos: straipsnio pavadinimas, straipsnio tekstas, srities žyma, klaidinančios informacijos lygį vertinanti žyma

Žmogaus fenotipo ontologija lietuvių kalba, kurioje susisteminti žmogaus fenotipų pokyčių įvairovę apibūdinantys terminai ir sąvokos. Išteklius sukurtas remiantis tarptautinėmis rekomendacijomis bei standartais (https://hpo.jax.org/app/). Jis tenkina dirbtinio intelekto technologijų sprendimų poreikius, kuriant genetikos sričiai skirtus sprendimus, padeda pagerinti tarpdisciplininį susikalbėjimą, praplečia tarptautinio bendravimo genetikos srityje galimybes vienodai vertinant nustatytus žmogaus fenotipo pokyčius bei identifikuojant galimas jų priežastis, vertinant prognozę, pagerina žmogaus fenotipų ontologijos integravimą į kasdieninę medicininę praktiką, gerinant sveikatos priežiūros sistemos teikiamų paslaugų kokybę, išvengiant sisteminių klaidų. Ontologiją sudaro daugiau kaip 13 000 sąvokų rinkinių, kurių imtyje yra aiškiai ir tiksliai susisteminta ne mažiau kaip 10 000 fenotipo pokyčių, svarbių medicininiu požiūriu diferencinei diagnostikai, transliaciniams tyrimams, predikcinių, prognostinių ar pan. bioinformacinių įrankių ir modelių, kurie vertina fenotipą, kūrimui. Įgyvendinant šio ištekliaus kūrimą Projektu prie 2021–2030 metų Lietuvos Respublikos Ekonomikos ir inovacijų ministerijos valstybės skaitmeninimo plėtros programos pažangos priemonės Nr. 05-002-01-07-08 „Kurti technologinius sprendimus ir įrankius, leidžiančius saugiai ir patogiai naudotis paslaugomis“ veiklos „Kalbinių išteklių dirbtinio intelekto technologijų sprendimų poreikiams plėtra“ įgyvendinimo. Ontologijos kūrimas finansuotas NextGenerationEU ir Naujos kartos Lietuva lėšomis.

Ištirta pirmus metus veiklą vykdančių ūkio subjektų nuomonė apie priežiūros institucijų veiklą, taikomas priežiūros priemones, identifikuoti priežiūros institucijų veiklos ir licencijavimo proceso trūkumai. Tyrimas vykdytas 2025 m.

Lietuvių vienakalbis, anglų vienakalbis ir anglų–lietuvių lygiagretusis gynybos ir saugumo tekstynai apima originalius lietuvių ir anglų kalbų tekstus, o lygiagrečiųjų tekstynų atveju – ir jų vertimus į lietuvių kalbą, suderintus sakinio lygiu. Tekstai surinkti iš Europos Sąjungos ir Lietuvos institucijų dokumentų, strategijų, teisės aktų bei kitų su gynyba ir saugumu susijusių šaltinių. Bendras tekstynų dydis: Lietuvių vienakalbis – 17 mln. žodžių. Anglų vienakalbis – 19,3 mln. žodžių. Anglų–lietuvių lygiagretusis – 119 tūkst. sakinių porų. Duomenų rinkinio struktūra: 1. Defence-Security Data Metadata.xlsx – metaduomenų dokumentas. 2. Defence-Security Data Statistics.xlsx – informacija apie duomenis, įskaitant atliktus techninių parametrų matavimus, tokius kaip gramatinių klaidų ir užsienio kalbų intarpų kiekiai bei kita statistinė informacija. 3. Katalogas „Monolingual“ – pateikiami lietuvių ir anglų kalbų vienakalbiai tekstynai TXT formatu, kiekvieno šaltinio duomenis pateikiant atskirame faile. 4. Katalogas „Parallel“ – pateikiami lygiagretieji tekstynai TMX formatu, kiekvieno šaltinio duomenis išskiriant atskirame faile. 5. Katalogas „Subdomains“ – pateikiami vienakalbiai ir lygiagretieji tekstynai, suskirstyti į 6 domenus, kiekvieno šaltinio duomenis pateikiant atskirame faile. Duomenų rinkinio failai parengti taip, kad būtų tinkami naudoti mašininio vertimo, lokalizavimo ir kituose dirbtinio intelekto taikymuose.

Lietuvių vienakalbis, anglų vienakalbis ir anglų–lietuvių lygiagretusis medicinos tekstynai apima originalius lietuvių ir anglų kalbų tekstus, o lygiagrečiojo tekstyno atveju – ir jų vertimus į lietuvių kalbą, suderintus sakinio lygiu. Tekstai surinkti iš Europos Sąjungos ir Lietuvos institucijų dokumentų, mokslinių publikacijų, teisės aktų bei kitų su medicina ir sveikatos apsauga susijusių šaltinių. Bendras tekstynų dydis: Lietuvių vienakalbis – 13 mln. žodžių. Anglų vienakalbis – 12,1 mln. žodžių. Anglų–lietuvių lygiagretusis – 230 tūkstančių sakinių porų. Tekstynai apima pagrindines medicinos sritis, įskaitant bazines medicinos paslaugas, farmakologiją ir farmacijos mokslus, klinikinę mediciną, psichiatriją ir psichologiją bei visuomenės sveikatą, epidemiologiją ir ligų prevenciją, užtikrinant teminį reprezentatyvumą. Duomenų rinkinio struktūra: 1. Medical Data Metadata.xlsx – metaduomenų dokumentas. 2. Medical Data Statistics.xlsx– statistinė informacija apie duomenis, įskaitant kokybės rodiklius (pvz., gramatinių klaidų, užsienio kalbų intarpų kiekį ir kt.). 3. Katalogas „Monolingual“ – lietuvių ir anglų kalbų vienakalbiai tekstynai TXT formatu. 4. Katalogas „Parallel“ – lygiagretusis tekstynas TMX formatu. 5. Katalogas „Subdomains“ – tekstynai suskirstyti pagal medicinos sritis (domenus). Duomenų rinkinio failai parengti taip, kad būtų tinkami naudoti mašininio vertimo, lokalizavimo ir kituose dirbtinio intelekto taikymuose.

Invazinių rūšių informacinės sistemos (INVA) duomenys – invazinių augalų ir gyvūnų rūšių radavietės. Invazinė rūšis – augalų, gyvūnų ar grybų svetimžemė rūšis, porūšis arba žemesnio taksono egzemplioriai, introdukuoti už jų natūralaus paplitimo arealo ribų ir kurių įsikūrimas arba plitimas kelia grėsmę arba daro neigiamą poveikį biologinei įvairovei, ekosistemoms, ekonomikai ar kenkia žmonių sveikatai. Invazines rūšis griežtai draudžiama laikyti, veisti, auginti, dauginti, parduoti, naudoti arba mainyti, vežti ar paleisti į aplinką. Invazinių rūšių Lietuvoje sąrašą galima rasti ir apie jų naujas pranešti INVA sistemoje adresu https://inva.biip.lt/. Atnaujinimo dažnumas - kartą per parą.

Invazinių rūšių informacinės sistemos (INVA) duomenys – invazinių augalų ir gyvūnų rūšių radavietės. Invazinė rūšis – augalų, gyvūnų ar grybų svetimžemė rūšis, porūšis arba žemesnio taksono egzemplioriai, introdukuoti už jų natūralaus paplitimo arealo ribų ir kurių įsikūrimas arba plitimas kelia grėsmę arba daro neigiamą poveikį biologinei įvairovei, ekosistemoms, ekonomikai ar kenkia žmonių sveikatai. Invazines rūšis griežtai draudžiama laikyti, veisti, auginti, dauginti, parduoti, naudoti arba mainyti, vežti ar paleisti į aplinką. Invazinių rūšių Lietuvoje sąrašą galima rasti ir apie jų naujas pranešti INVA sistemoje adresu https://inva.biip.lt/. Atnaujinimo dažnumas - kartą per parą.

Rinkinyje pateikiami asmenų, kuriems nuo 2015 m. atlikta inkstų biopsija, duomenys. Rinkinį sudaro 5 lentelės: 1) Inkstų biopsijų duomenys. Asmenys, kuriems atlikta inkstų biopsija, gimimo data, lytis, biopsijos gavimo data, lėtinės inkstų ligos, 5 stadijos pirmo įrašo data, indikatoriai, ar pacientui nustatytos gretutinės ligos, inkstų ligų rizikos veiksniai – cukrinis diabetas ir arterinė hipertenzija, paciento mirties data ir pagrindinė mirties priežastis. Visos datos yra pateikiamos mėnesio tikslumu. 2) Pirmos dializės duomenys. Pacientų pirmos dializės data (mėnesio tikslumu), dializės tipas. Vienam asmeniui gali būti registruotos kelios pirmosios dializės datos, nes po atliktos inksto transplantacijos, transplantatui nustojus funkcionuoti, įrašoma nauja dializės pradžios data. 3) Inkstų transplantacijų duomenys. Pacientams atliktų inkstų transplantacijų (intervencijos ACHI kodas 36503-00) datos (mėnesio tikslumu). 4) Laboratorinių tyrimų duomenys. Pacientų inkstų funkciją apibūdinantys laboratoriniai tyrimai (kreatininas serume, glomerulų filtracijos greitis, albumino-kreatinino santykis šlapime), jų atlikimo data, tyrimo ir analitės pavadinimai, analitės rezultatai, apatiniai, viršutiniai normos rėžiai bei matavimo vienetai. 5) Elektroninių receptų duomenys. Pacientams išrašyti elektroniniai receptai, jų išrašymo data (mėnesio tikslumu), recepto skyrimo diagnozės kodas ir pavadinimas, vaisto ATC kodai, bendriniai pavadinimai ir stiprumas. Filtruoti tik su inkstų patologija susiję elektroniniai receptai pagal ATC kodus, t. y. renino angiotenzino sistemą veikiantys vaistai, beta adrenoblokatoriai, kalcio kanalų blokatoriai, diuretikai, ne geležies antianeminiai preparatai, geležies preparatai, imunosupresantai, sistemiškai veikiantys kortikosteroidai.

Duomenų šaltiniai: Valstybinis patologijos centras, Nacionalinis transplantacijų biuras (ŽALODRIS), Valstybinė ligonių kasa (SVEIDRA IS), Higienos instituto Mirties atvejų ir jų priežasčių valstybės registras, įvairių gydymo įstaigų informacinės sistemos bei Elektroninės sveikatos paslaugų ir bendradarbiavimo infrastruktūros informacinės sistemos (ESPBI IS) E. recepto posistemis.

Atnaujinimo periodiškumas: Vieną kartą per metus.

Dėl techninių portalo veiklos sutrikimų prašome kreiptis el. paštu atviriduomenys@vssa.lt. Su duomenimis susijusiais klausimais prašome kreiptis el. paštu sveikata@stat.gov.lt.

Duomenų rinkinyje pateikiama informacija apie Akmenės rajono savivaldybės išduodamų Akmeniečio kortelių panaudojimo atvejus įstaigų ar verslo paslaugoms. Informacija apie kortelių panaudojimo atvejus renkama nuo 2023 metų. Rinkinyje nurodomas kortelės panaudojimo laikas, suteiktos nuolaidos paslaugoms dydis, šifruoti asmens duomenys, asmens lytis, amžiaus grupė, įstaigos, įmonės arba paslaugos pavadinimas. Duomenų teikėjas – Akmenės rajono savivaldybė.

Su duomenimis susijusiais klausimais prašome kreiptis el. paštu atverimas@stat.gov.lt. Dėl techninių portalo veiklos sutrikimų prašome kreiptis el. paštu atviriduomenys@vssa.lt.

Marijampolės viešojo transporto elektroninio bilieto sistemos (TIKIS) bilietų pirkimo ir žymėjimo duomenys nuo 2023 m. liepos mėn. 23 d.
Stulpelyje „bilieto_tipas“ vartojamos reikšmės:
„USE_CARD_SERVICE“ – el. kortelės naudojimas miesto viešajame transporte; „USE_CARD_SERVICE_TRIANGLE“ – el. kortelės naudojimas priemiesčio viešajame transporte; „SELL_TICKET“ – bilieto pirkimas miesto viešajame transporte; „SELL_TICKET_TRIANGLE“ – bilieto pirkimas priemiesčio viešajame transporte.
Marijampolės mieste bilieto kaina yra fiksuota viso maršruto metu, o priemiestyje kaina priklauso nuo važiuotų stotelių skaičiaus. Priemiestyje (miesto stotelėse) leidžiama naudoti ir miesto terminuotus bilietus.
Stulpelyje „keliones_id“ nurodomas maršruto tvarkaraščio kelionės identifikatorius (atnaujinant tvarkaraščius kuriamas naujas identifikatorius). Bilieto pavadinimai „Vienkartinis bilietas 50% nuol.“ ir „Vienkartinis bilietas“ nuo 2023 m. rugsėjo turi naujus identifikatorius, todėl šiuo pavadinimu bilietai turi po du identifikatorius. Stulpeliuose „pr_stotele“ ir „pab_stotele“ nurodoma keleivio su kintamos kainos bilietu kelionės priemiestiniu viešuoju transportu pradžia ir pabaiga. Stulpelyje „stotele“ nurodyta bilieto pirkimo arba žymėjimo vieta miesto ir priemiesčio viešajame transporte. Stulpelyje „mokejimo_budas“ reikšmė „CARD“ nurodo, kad buvo atsiskaityta el. bilieto kortele, o „EMV“ – bankine kortele. Duomenys atnaujinami kas mėnesį. Duomenų teikėjas – Uždaroji akcinė bendrovė „Marijampolės autobusų parkas“.

Su duomenimis susijusiais klausimais prašome kreiptis el. paštu atverimas@stat.gov.lt. Dėl techninių portalo veiklos sutrikimų prašome kreiptis el. paštu atviriduomenys@vssa.lt.

Pateikiami duomenys apie įgyvendinamus ir baigtus įgyvendinti strateginius projektus. Duomenys apima laikotarpį nuo 2011 m. Rinkinio objektas – vienas Vyriausybės strateginio projektų portfelio projektas.

Duomenų paslauga pagal užklausą OAI-PMH protokolu pateikiamas LIMIS objekto aprašas (metaduomenys) ir/arba susiję skaitmeniniai objektai

Šia duomenų paslauga pagal užklausą pateikiamas LIMIS objekto aprašas (metaduomenys) ir/arba susiję skaitmeniniai objektai

Duomenų rinkinį sudaro: muziejinių ir kitų vertybių (archyvo, audiotekos, bibliotekos, fototekos) aprašai (metaduomenys), su jais susietų skaitmeninių bylų (vaizdų, vaizdo, garso įrašų ir kt.) duomenys, kultūros objektų apskaitos duomenys ir su šiais duomenimis susieti klasifikatoriai ir tezaurai. Duomenis sistemoje kaupia juridiniai asmenys, sudarę LIMIS naudojimo sutartis su LIMIS valdytoju.

Nacionalinis kraštovaizdžio tvarkymo planas, patvirtintas 2015 m. spalio 2 d. Lietuvos Respublikos aplinkos ministro įsakymu Nr. D1-703 (toliau – NKTP) yra valstybės lygmens specialusis planas (specialiojo teritorijų planavimo dokumentas), kuriuo siekiama išsaugoti, tobulinti, atkurti arba kurti šalies kraštovaizdį. Šiame brėžinyje pateikta 8 apibendrintų kraštovaizdžio tvarkymo reglamentavimo strategijų sistema, kurią sudaro 17 konkretizuotų kraštovaizdžio tvarkymo reglamentų krypčių. Papildomai pateikti probleminiai aplinkosauginiai kraštovaizdžio rajonai.