Arabic - Egyptian comparable Wikipedia corpus

kaggle2017-09-29 更新2024-03-07 收录

语言学比较

阿拉伯语方言

数据链接：

https://www.kaggle.com/datasets/mksaad/arb-egy-cmp-corpus 数据链接链接失效反馈

官方服务：

资源简介：

Arabic (Modern Standard) and Egyptian Arabic dialect comparable documents

现代标准阿拉伯语（Modern Standard Arabic）与埃及阿拉伯语方言的可比文档

创建时间：

2017-09-29

CNTXTAI0/arabic_dialects_question_and_answer

阿拉伯语方言

问答系统

该数据集是一个阿拉伯语问答推理数据集，包含问题、答案、提示和推理信息。数据集覆盖了多种阿拉伯方言，包括标准阿拉伯语（MSA）、阿联酋方言、埃及方言、叙利亚方言、约旦方言、巴勒斯坦方言和黎巴嫩方言。数据集的问题和答案首先以英文生成，然后翻译成上述方言。数据还包括问题和答案的词数统计、提示和推理的词数统计，以及总词数统计。数据集总共包含800个问题、答案、提示和推理条目，经过严格的数据审核流程以确保高

Hugging Face2025-01-31 更新310

多主题多方言阿拉伯语数据集

阿拉伯语方言

NLP

多主题多方言阿拉伯语数据集是由穆罕默德六世理工大学创建的开放访问数据集，包含来自Twitter的49,306条推文，涵盖五个阿拉伯国家方言。数据集内容丰富，涉及多个主题和情感分析，旨在解决阿拉伯语方言资源稀缺的问题。创建过程包括数据收集、清洗、标注等步骤，确保数据质量。该数据集适用于阿拉伯语方言的NLP任务，如方言识别、主题分类和情感分析，有助于推动相关领域的研究和应用。

arXiv2021-02-07 更新210

NADI2026_subtask1_ASR

阿拉伯语方言

多方言语音识别

NADI2026_subtask1_ASR数据集是一个用于阿拉伯语自动语音识别（ASR）任务的多方言语音数据集，专为NADI2026竞赛的子任务1设计。数据集包含来自八个不同阿拉伯语国家或地区的语音样本，分别为：阿尔及利亚、埃及、约旦、毛里塔尼亚、摩洛哥、巴勒斯坦、阿联酋和也门。每个地区的数据作为一个独立的配置（config）提供。数据集由音频文件及其对应的文本转录组成，每个样本包含三个字段：唯一

Hugging Face2026-06-17 更新160

arabic-dialect-corpus

自然语言处理

阿拉伯语方言

阿拉伯语方言语料库是一个全面的阿拉伯语方言文本集合，经过标准化处理，适用于自然语言处理（NLP）模型训练、评估和语言分析。该语料库经过精心处理，确保高质量的分词和一致的元数据。数据集包含多种阿拉伯语方言，如埃及方言、海湾方言、黎凡特方言、马格里布方言和伊拉克方言。每个记录包含文本内容、主题、话语类型、方言和分词数量等字段。数据集总记录数为127,180条，总分词数为5,802,324个，平均每条记

Hugging Face2026-01-19 更新220

arsyra-iraqi

阿拉伯语方言

自然语言处理

ArSyra伊拉克阿拉伯语（美索不达米亚）数据集是一个专注于伊拉克阿拉伯语的语料库，涵盖了所有语言类别。伊拉克阿拉伯语在海湾和黎凡特方言群体之间占据独特位置，具有突厥语和库尔德语借词、独特的动词变位模式和特有的语调等特征。数据集包含1,690条记录，由经过验证的母语者提供，捕捉了真实的伊拉克口语模式和表达。数据通过ArSyra平台收集，该平台通过游戏化的众包系统激励母语者回答结构化语言提示。数据集

Hugging Face2026-02-21 更新180

Arabic - Egyptian comparable Wikipedia corpus

资源简介：

相关数据集