akhooli/quran-simple-text

该数据集以Waqf许可证发布，包含《古兰经》的文本，既有带变音符号的版本，也有不带变音符号的版本。数据集基于从Tanzil.net下载的文件，包含的列有：章节编号、章节名称、节数、类别（麦加/麦地那）、启示顺序、节编号、节文本（不带变音符号）、带变音符号的节文本。该数据集适用于教育和自然语言处理（NLP）等多种应用，特别强调使用`text`列进行NLP处理。

This dataset is licensed as Waqf and contains the text of the Quran without and with diacritics. It is sourced from Tanzil.net and includes columns such as surah number, surah name, number of ayas, class (Makki/Madani), order of revelation, aya number, aya text (no diacritics), and aya text with diacritics. It is suitable for educational and NLP applications.

原始信息汇总

Quran Simple Text Dataset

概述

• 语言: 阿拉伯语
• 许可证: Waqf
• 数据文件: quran-simple-ak.csv
• 分隔符: |

数据内容

• 列信息:
  • 章节编号
  • 章节名称
  • 节数
  • 类别（麦加/麦地那）
  • 启示顺序
  • 节编号
  • 无音标的节文本
  • 带音标的节文本

使用说明

• 加载数据集: python from datasets import load_dataset import pandas as pd ds = load_dataset(akhooli/quran-simple-text, split="train", trust_remote_code=True) df = ds.to_pandas() df.head()

• NLP应用: 使用 text 列进行自然语言处理。

相关资源

• Colab Notebook示例: 使用 Arabic-ColBERT-100k 模型的完整示例。

搜集汇总

数据集介绍

构建方式

该数据集以伊斯兰圣典《古兰经》为核心内容，其文本源自权威的Tanzil.net平台，确保了原始数据的可靠性与准确性。构建过程中，数据集囊括了无变音符与带变音符两种文本形态，并整合了丰富的元数据字段，包括章节编号、章节名称、经文节数、启示类别（麦加/麦地那）、启示顺序、经文编号以及对应的无变音符与带变音符文本。数据以CSV格式存储，采用竖线分隔符，通过HuggingFace Datasets库进行加载，为后续的自然语言处理与教育应用提供了结构化、标准化的数据基础。

特点

该数据集的核心特点在于其简洁而全面的结构设计。它不仅提供了《古兰经》经文的无变音符版本，便于基础文本分析，还包含了带变音符的版本，以保留阿拉伯语发音的精确信息，这对于语音合成、韵律研究等任务至关重要。此外，数据集中每节经文均附带章节编号、名称、节数及启示分类等元数据，极大地丰富了文本的上下文信息。这种多维度的数据组织方式，使得该数据集既适用于简单的文本检索与统计，也能支持复杂的跨学科研究，如宗教文本的计量语言学分析。

使用方法

使用该数据集极为便捷，用户可通过HuggingFace的`datasets`库一键加载。具体而言，调用`load_dataset('akhooli/quran-simple-text', split='train', trust_remote_code=True)`即可获取训练集，并支持直接转换为Pandas DataFrame进行后续操作。值得注意的是，在自然语言处理任务中，应优先选用标注为`text`的列，而非`d_text`列，以确保模型输入的兼容性。此外，官方提供了一个完整的Colab笔记本示例，展示了如何结合Arabic-ColBERT-100k模型进行深度应用，为研究者提供了从数据加载到模型部署的端到端参考流程。

背景与挑战

背景概述

《古兰经》作为伊斯兰教的核心经典，其文本的精确保存与数字化研究对于阿拉伯语自然语言处理领域具有深远意义。由研究者akhooli主导创建的quran-simple-text数据集，基于Tanzil.net权威来源，于近期发布在HuggingFace平台上，旨在提供一份简洁且富含元数据的《古兰经》文本资源。该数据集涵盖了经文章节编号、名称、节数、启示类别（麦加/麦地那）、启示顺序、经文文本（无音标与有音标）等关键信息，为阿拉伯语文本分析、宗教文献数字化以及跨语言翻译研究提供了结构化基础。其影响力体现在支持从教育应用到高级NLP模型训练的多样化场景，尤其是通过元数据区分麦加与麦地那章节的特性，为研究经文语境与语言风格演变开辟了新的数据维度。

当前挑战

该数据集面临的核心挑战在于解决阿拉伯语文本处理的固有复杂性，尤其是经文文本中音标符号的精确表示与歧义消除。无音标与有音标两个文本列的并存虽有助于对比研究，但音标符号的细微差异可能导致NLP模型在词义消歧、句法分析等任务中表现不稳定。构建过程中，数据源自多版本整合的Tanzil.net，需应对不同来源间文本一致性校验的难题，例如确保每节经文编号与启示顺序的绝对准确。此外，数据集规模相对较小，限制了其在深度学习场景下的泛化能力，且元数据如启示类别的分类标准可能因学术观点差异引入标注争议，进一步增加了模型评估与跨领域应用的复杂性。

常用场景

经典使用场景

《古兰经》作为伊斯兰教的核心经典，其文本在阿拉伯语语言学、宗教学与计算人文学科中具有不可替代的地位。akhooli/quran-simple-text数据集以简洁的表格形式呈现了《古兰经》的原始文本，包含章节编号、章节名称、节文数量、启示类别（麦加/麦地那）、启示顺序、节文编号以及带与不带音符的两种文本形式。该数据集最经典的使用场景是作为阿拉伯语自然语言处理（NLP）的基础语料库，尤其适用于无音符文本的预训练语言模型或词嵌入训练，为后续的语义分析、检索与分类任务提供干净且结构化的原始材料。

解决学术问题

在学术研究中，古典阿拉伯语文本的数字化处理长期面临语料稀缺与标注不一致的挑战。该数据集通过提供标准化、带元数据的《古兰经》文本，有效解决了跨版本文本对齐困难与元数据缺失的问题。研究者可据此开展启示顺序与文本风格演变的量化分析、麦加与麦地那章节的语法特征对比，以及基于音符系统的语音学与形态学研究。其意义在于为伊斯兰文本计算学奠定了可复现的数据基础，推动了阿拉伯语历史语言学与宗教文本数字人文领域的实证研究进程。

衍生相关工作

围绕该数据集已衍生出多项经典工作，如基于Arabic-ColBERT-100k模型的《古兰经》语义检索系统，该模型利用数据集中的文本列进行密集检索训练，实现了高精度的节文匹配。此外，研究者基于该数据开发了启示顺序预测分类器与麦加/麦地那章节自动判别模型，推动了文本风格计量学的发展。数据集的元数据字段还被用于构建《古兰经》知识图谱，将章节归属、节文编号与外部经注、历史背景相链接，形成了多层次的语义网络资源。