NLP & Langues

OMCD — Offensive Moroccan Comments Dataset

À Propos

OMCD (Offensive Moroccan Comments Dataset) : 8024 commentaires YouTube en dialecte marocain (Darija), annotés manuellement pour la détection de langage offensant. Publié en 2023 dans Springer Language Resources & Evaluation. Utile pour les systèmes de modération de contenu en Darija.

https://github.com/kabilessefar/OMCD-Offensive-Moroccan-Comments-Dataset

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