Moroccan-Darija-QA
收藏资源简介：
摩洛哥达尔杰语问答数据集是一个全面的摩洛哥达尔杰语（摩洛哥阿拉伯语方言）问题-答案对数据集，覆盖了日常生活的各种话题，如商业、文化、日常生活、教育、食物、健康、宗教、体育、技术和旅行。该数据集包含三种配置：默认的标准问答对、翻译后的内容对以及包含推理过程的问答对。
Moroccan Darija Question Answering Dataset is a comprehensive question-answer pair dataset for Moroccan Darija, a Moroccan Arabic dialect. It covers a wide range of daily life topics including business, culture, daily routines, education, food, health, religion, sports, technology and travel. This dataset includes three configurations: the default standard question-answer pairs, translated content pairs, and question-answer pairs containing reasoning processes.
Moroccan Darija Q&A Dataset 概述
数据集基本信息
- 任务类别：问答、文本生成
- 语言：摩洛哥达里贾语（ary）
- 规模：1K<n<10K
- 许可证：MIT
- 配置数量：3个（default、reasoning、translated）
数据集内容
- 总样本量：3,470个问答对
- 数据格式：每个样本包含question（问题）、answer（答案）、category（类别）三个字段
配置详情
default配置
- 样本数量：2,026个
- 数据大小：844,130字节
- 下载大小：400,851字节
- 标准问答对，用于训练对话AI系统
reasoning配置
- 样本数量：144个
- 数据大小：162,554字节
- 下载大小：78,983字节
- 包含显式推理过程的问答对，使用<think>标签
translated配置
- 样本数量：1,300个
- 数据大小：1,413,050字节
- 下载大小：694,002字节
- 翻译内容，保持文化语境
主题覆盖
- 商业（Business）
- 文化（Culture）
- 日常生活（Daily Life）
- 教育（Education）
- 食品（Food）
- 健康（Health）
- 宗教（Religion）
- 体育（Sports）
- 技术（Technology）
- 旅行（Travel）
类别分布（default配置）
| 类别 | 数量 | 百分比 |
|---|---|---|
| 商业 | 197 | 9.7% |
| 文化 | 274 | 13.5% |
| 日常生活 | 147 | 7.3% |
| 教育 | 172 | 8.5% |
| 食品 | 202 | 10.0% |
| 健康 | 220 | 10.9% |
| 宗教 | 194 | 9.6% |
| 体育 | 187 | 9.2% |
| 技术 | 259 | 12.8% |
| 旅行 | 174 | 8.6% |
语言信息
- 语言：摩洛哥达里贾语
- 文字：阿拉伯文字与拉丁转写
- 领域：对话问答、文化知识
- 方言：摩洛哥阿拉伯语（达里贾）
- 地理覆盖：摩洛哥
- 文化背景：摩洛哥社会、传统和日常生活
数据质量
- 母语者验证
- 文化准确性
- 语言多样性
- 主题覆盖全面性
- 推理过程明确性
限制
- 数据覆盖范围可能不包含摩洛哥文化和日常生活的所有方面
- 可能无法捕捉摩洛哥达里贾语的所有地区变体
- 可能存在一些不准确或不一致之处
法律与伦理考量
- 文化敏感性
- 数据隐私（不包含个人身份信息）
- 负责任使用要求
引用信息
bibtex @dataset{moroccan_darija_qa_2025, title={Moroccan Darija Q&A Dataset}, author={Lyte}, year={2025}, url={https://huggingface.co/datasets/Lyte/Moroccan-Darija-QA}, note={A comprehensive question-answer dataset in Moroccan Darija covering various topics} }
