NLP & Langues

IADD — Integrated Arabic Dialect Identification Dataset

À Propos

Dataset intégré d'identification de dialectes arabes (IADD) : 135 804 textes provenant de Twitter, Facebook, transcriptions manuelles et commentaires de presse. Couvre 4 grandes régions dialectales : Maghreb (dont Maroc), Levant, Égypte, Golfe. Publié en 2022 dans Data in Brief.

https://github.com/JihadZa/IADD

Visiter le site

Dans la même catégorie

Goud-sum (HuggingFace) — Darija Summarization Dataset

158k articles + headlines from Goud.ma — Darija/MSA text summarization dataset

Darija Open Dataset (DODa)

100k+ entries darija↔English — largest open source Darija translation dataset

MA_Open_Datasets — Goud.ma

Goud news articles in CSV format — alternative distribution of Goud data

MA_Open_Datasets — LeMatin

Le Matin newspaper articles by category — nation, économie, culture, sport