Common Crawl es una fuente de datos web que expone de fuentes de datos y servicios de los datos recolectados por su robot de indexación web. Dispone de ejemplos de proyectos en muchos lenguajes y con diversas funcionalidades

Servicio que reúne tesauros y vocabularios controlados para la descripción del patrimonio cultural (Reino Unido). Los vocabularios controlados actúan como estándares para el uso tanto de las organizaciones gubernamentales como para los registros históricos de autoridades locales. El servicio incluye la posibilidad de descargar los vocabularios (PDF o SKOS-Core), consultarlos en línea o consumir servicios web provistos por la plataforma

Corrector ortográfico, gramatical y de estilo multilingüe que te ayuda, además, a parafrasear textos.

Herramienta libre desarrollada por la red de biblitoecas alemanas VZG que permite consultar diferentes fuentes de datos a través de una única interfaz de búsqueda. Se puede descargar en https://github.com/gbv/Lukida

Medworm es un buscador que utiliza fuentes RSS como corpus de búsqueda.