العودة إلى البيانات المفتوحة
معالجة اللغات واللغات
IADD — Integrated Arabic Dialect Identification Dataset
نبذة
مجموعة بيانات IADD المتكاملة لتحديد اللهجات العربية: 135,804 نص من تويتر وفيسبوك والنصوص المنقولة يدويًا وتعليقات الصحافة. تغطي المغاربية (منها المغرب) والشامية والمصرية والخليجية. نُشرت 2022 في Data in Brief.
https://github.com/JihadZa/IADD
زيارة الموقعفي 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
