معالجة اللغات واللغات

Darija-Dataset-Builder — IlyasFardaouix

نبذة

خط أنابيب قابل للتطوير لبناء مجموعات بيانات الدارجة المغربية (Darija) لتدريب نماذج اللغة الكبيرة (LLMs). يوفر أدوات ومكتبات لاستخراج البيانات، ومعالجتها، وتنظيمها لتدريب نماذج اللغة على الدارجة المغربية.

https://github.com/IlyasFardaouix/darija-dataset-builder

زيارة الموقع

في نفس الفئة

Goud-sum (HuggingFace) — Darija Summarization Dataset

158 ألف مقالة + عناوين من موقع Goud.ma — مجموعة بيانات تلخيص نصوص بالدارجة/العربية الفصحى

Darija Open Dataset (DODa)

أكثر من 100 ألف مدخل للترجمة من الدارجة إلى الإنجليزية — أكبر مجموعة بيانات مفتوحة المصدر للدارجة

MA_Open_Datasets — Goud.ma

مقالات Goud الإخبارية بصيغة CSV — توزيع بديل لبيانات Goud

MA_Open_Datasets — LeMatin

مقالات جريدة Le Matin مصنفة حسب الفئة — وطن، اقتصاد، ثقافة، رياضة