NLP & Langues

QADI — QCRI Arabic Dialect Identification

À Propos

QADI (QCRI Arabic Dialect Identification) : dataset de 540 000 tweets pour identifier les dialectes arabes, couvrant les grandes régions dont le Maghreb (Maroc inclus), le Levant, l'Égypte et le Golfe. Publié par le Qatar Computing Research Institute (QCRI) en 2020.

https://github.com/qcri/QADI

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