ImruQays/Rasaif-Classical-Arabic-English-Parallel-texts

该数据集包含24本具有历史和文化意义的阿拉伯语书籍的英文翻译，这些书籍反映了阿拉伯语世界的古典时期。数据集旨在通过其复杂的语法结构和丰富的词汇来改进机器翻译系统，开发能够理解和复制古典阿拉伯语复杂性的大型语言模型，并作为保存古典阿拉伯语文学形式的基准。此外，数据集还提出了一个研究应用，即通过迭代翻译精炼来提高翻译质量，使现代阿拉伯语文本更接近古典风格。

任务类别：翻译
语言：阿拉伯语、英语
数据规模：10K < n < 100K
许可证：CC BY 4.0

# 简介
本数据集为经过精心遴选的阿拉伯语-英语平行文本合集，收录了24部兼具历史与文化重要性的典籍的双语译文。这些文本为了解古典时期阿拉伯语世界的思想与文学遗产提供了重要窗口。

# 内容详情
本数据集包含以下文本的英语译文，数据源自[Rasaif网站](https://rasaif.com/)：
- 《穆斯林战争手册》（A Muslim Manual of War）
- 《对祖国的爱恋》（Al-Hanin Ila'l-Awtan）
- 《贪婪与贪婪者》（Avarice and the Avaricious）
- 《沉思录》（Contemplation）
- 《心灵疾病及其疗法》（Diseases of the Hearts and Their Cures）
- 《哈义·本·叶格赞》（Hayy ibn Yaqzan）
- 《伊本·赫里坎传记辞典》（Ibn Khallikan's Biographical Dictionary）
- 《Kitab al-I'tibar》（Kitab al-I'tibar）
- 《知识责成行动》（Knowledge Mandates Action）
- 《道德与行为》（Morals and Behaviour）
- 《雄辩之路》（Nahj al-Balagha）
- 《异乡人之书》（The Book of Strangers）
- 《阿维森纳医典》（The Canon Of Medicine of Avicenna）
- 《法学书信集》（The Epistle on Legal Theory）
- 《天国之争》（The Heavenly Dispute）
- 《伊斯兰征服叙利亚史》（The Islamic Conquest of Syria）
- 《异乡人的旅程》（The Journey of the Strangers）
- 《医学钥匙与学生指南》（The Key to Medicine and a Guide for Students）
- 《历史绪论》（The Muqaddimah: An Introduction to History）
- 《伊本·海塞姆光学》（The Optics of Ibn Al-Haytham）
- 《萨拉丁卓越稀见史》（The Rare and Excellent History of Saladin）
- 《鸽环》（The Ring of the Dove）
- 《异乡人》（The Strangers）
- 《伊本·白图泰游记（1325-1354）》（The Travels Of Ibn Battuta, 1325 – 1354）

# 用途与应用
本数据集的核心目标是彰显古典阿拉伯语卓越的文学品质，这与该语言后续的发展形成鲜明反差——尤其是在19至20世纪欧洲文本大量译入阿拉伯语的背景下。本数据集旨在达成以下三项目标：
- 优化机器翻译（Machine Translation, MT）：古典阿拉伯语拥有复杂的语法结构与丰富的词汇库，对机器翻译系统而言是极具挑战性的测试对象。依托此类高质量文本进行训练的机器翻译系统，能够实现更高的翻译精度与流畅度。
- 赋能大语言模型（Large Language Models, LLMs）：通过纳入此类具备高超语言造诣的文本，本数据集可为开发能够理解并复刻古典阿拉伯语内在精妙之处的大语言模型奠定核心基础。
- 保护语言遗产：本数据集可作为传承古典阿拉伯语卓越文学形式的载体，同时为衡量当代写作的质量提供权威基准。

# 推荐研究应用：迭代翻译优化
本数据集的一项创新性应用方向为：利用现有翻译模型将英语文本反向译为阿拉伯语，该过程通常会生成语言质感较弱的阿拉伯语文本，此方法即反向翻译（back-translation），可产出大规模的不完美阿拉伯语语料。随后可训练新模型，通过与数据集中的原始古典阿拉伯语文本比对，对这类低质量阿拉伯语进行优化。最终得到的模型可用于优化当代阿拉伯语文本，使其更具“古典韵味”。

# 致谢
[Rasaif网站](https://rasaif.com/)：如需获取其作品的更新与更多信息，请关注他们的[Twitter账号](https://twitter.com/rasaif_com)，以及Ahmad Alghamdi的[Telegram频道](https://t.me/ahmedhassg)

原始信息汇总

数据集概述

任务类别

• 翻译

语言

• 阿拉伯语 (ar)
• 英语 (en)

数据集规模

• 10K<n<100K

许可

• cc-by-4.0

简介

该数据集包含精选的阿拉伯语-英语平行文本，涵盖24本具有历史和文化意义的书籍的翻译。这些文本展示了阿拉伯语在其古典时期的智力和文学遗产。

内容详情

数据集包含以下文本的英语翻译，来源自Rasaif网站：

• A Muslim Manual of War
• Al-Hanin Ilal-Awtan
• Avarice and the Avaricious
• Contemplation
• Diseases of the Hearts and Their Cures
• Hayy ibn Yaqzan
• Ibn Khallikans Biographical Dictionary
• Kitab al-Itibar
• Knowledge Mandates Action
• Morals and Behaviour
• Nahj al-Balagha
• The Book of Strangers
• The Canon Of Medicine of Avicenna
• The Epistle on Legal Theory
• The Heavenly Dispute
• The Islamic Conquest of Syria
• The Journey of the Strangers
• The Key to Medicine and a Guide for Students
• The Muqaddimah: An Introduction to History
• The Optics of Ibn Al-Haytham
• The Rare and Excellent History of Saladin
• The Ring of the Dove
• The Strangers
• The Travels Of Ibn Battuta, 1325 – 1354

目的和应用

该数据集的主要目标包括：

• 改进机器翻译 (MT)：古典阿拉伯语复杂的语法结构和丰富的词汇为MT系统提供了理想的挑战，通过在高质量内容上进行训练，可以提高翻译的准确性和流畅性。
• 开发语言模型：通过包含这些语言精湛的文本，该数据集成为开发大型语言模型 (LLMs) 的基础，这些模型能够理解和复制古典阿拉伯语的复杂性。
• 保护语言遗产：该数据集有助于保护古典阿拉伯语的卓越文学形式，为当代写作提供质量基准。

建议的研究应用：迭代翻译改进

该数据集的一个新颖应用是利用现有翻译模型将英语文本反向翻译成阿拉伯语，可能会产生一种较不精细的阿拉伯语形式。这个过程称为反向翻译，可以生成大量不完美的阿拉伯语文本。随后，可以训练一个新模型，通过与数据集中原始古典阿拉伯语文本进行比较，来改进这种较弱的阿拉伯语形式。最终模型可以用于通过使其听起来更“古典”来增强当前的阿拉伯语文本。