Datasets:

im-lemon
/

dutchslang

slang stringlengths 1 8	standard_dutch stringlengths 2 20	category stringclasses 8 values	region stringclasses 7 values
kwn	ik weet het niet	abbreviation	all
gwn	gewoon	abbreviation	all
ni	niet	abbreviation	antwerp
wrm	waarom	abbreviation	all
wnr	wanneer	abbreviation	all
kkr	kanker	profanity	netherlands/antwerp
kheb	ik heb	abbreviation	all
kga	ik ga	abbreviation	all
kben	ik ben	abbreviation	all
kzweer	ik zweer	abbreviation	all
ff	eventjes	abbreviation	antwerp
mnu	maakt niet uit	abbreviation	all
msch	misschien	abbreviation	antwerp
ge	je	abbreviation	antwerp
ma	maar	abbreviation	antwerp
da	dat	abbreviation	antwerp
nr	nummer	abbreviation	all
zen	zijn	abbreviation	antwerp
ze	hoor	abbreviation	antwerp
wdj	wat doe jij	abbreviation	all
e	hé	abbreviation	antwerp
flik	politie-agent	different-spelling	antwerp
patas	schoenen	moroccon-slang	antwerp/moroccan-youth
wollah	ik zweer tot god	moroccon-slang	antwerp/moroccan-youth
insallah	als god het wil	morrocan-slang	antwerp/moroccan-youth
idd	inderdaad	abbreviation	antwerp/all
joehoe	homo / watje / nicht	profanity / derogatory-slang	all
't	het	abbreviation	antwerp
wjw	amai	slang-of-slang	all
wajow	amai	slang-of-slang	all
amai	wauw	different-spelling	all

Dutchslang - 1.0

DutchSlang-dataset is a dataset commited to translating slang (sms/straattaal) to "formal" dutch.

It contatins a few entries with categories, such as region, category, etc..

Warning: There are profanities inside of the dataset, these are listed as "profanity" in the category.

Not for training language models directly, but it can be used for:

Autocorrect
Translators
Finetuning Transformers / Tiny transformers that speak straattaal (kwn waarom da ge da nodig hebt, ma..)

AI (I was discussing the creation of this dataset with an AI, it outputted some slang words that i put in the dataset, but 70% of it is mine.)
straattaalwoordenboek.nl
Me! (I myself speak dutch, and use some of these!)