العودة إلى البيانات المفتوحة
معالجة اللغات واللغات
QADI — QCRI Arabic Dialect Identification
نبذة
QADI (تحديد اللهجات العربية من QCRI): مجموعة 540,000 تغريدة لتحديد اللهجات العربية تشمل المغاربية (بما فيها المغرب) والشامية والمصرية والخليجية. نشرها معهد قطر لبحوث الحوسبة (QCRI) في 2020.
https://github.com/qcri/QADI
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