Awesome Iranian Datasets

一个收集了多个分类的伊朗/波斯语数据集的集合，包括但不限于文学、地理位置、健康护理、社交媒体等领域。

A collection of multiple categorized datasets in Persian/Iranian language, encompassing but not limited to literature, geographical locations, healthcare, and social media domains.

原始信息汇总

Awesome Iranian Datasets 概述

数据集分类

Persian

• کلمات اسپم پیامک‌ها: 包含垃圾短信中的波斯语词汇。
• کلمات فارسی: 波斯语词汇数据集。
• کلمات بد و نامناسب فارسی: 包含不适当或粗俗的波斯语词汇。
• پیامک‌های فارسی: 波斯语短信数据集。
• نام‌های فارسی به همراه جنسیت(۲۰هزار): 包含20,000个波斯名字及其性别信息。
• عبارات دستنویس فارسی: 波斯语手写短语数据集。
• وکال فارسی: 波斯语语音数据集。
• وکال فارسی ۲: 另一个波斯语语音数据集。
• تصاویر دستنویس شهرهای ایران به فارسی: 伊朗城市名称的手写图像。
• دیتاست سوال و پاسخ سوالات تعریفی فارسی: 波斯语定义问题及其答案数据集。
• دیتاست درخواست و پرسش برای دستیار صوتی: 用于语音助手的波斯语问题数据集。
• حروف الفبا با فونت های متفاوت: 不同字体的波斯字母数据集。
• دیتابیس وکال/صوتی جملات فارسی: 波斯语语音句子数据库。
• تیتر استخدامی و مشاغل در ایران: 伊朗招聘信息和职位数据集。

Locations

• استان‌ها و شهرهای ایران: 伊朗省份和城市数据集。
• شهرستان های ایران: 伊朗县数据集。

Literature

• سخن بزرگان فارسی: 波斯语名言数据集。
• لغتنامه معکوس فارسی: 波斯语逆向词典数据集。
• کامنت‌ها و نظرات کتاب‌های طاقچه: 关于书籍的评论和意见数据集。
• دیتاست کتاب های فارسی: 波斯语书籍数据集。
• دیتاست اشعار نو: 现代波斯诗歌数据集。
• ترجمه‌ی فارسی قرآن: 古兰经的波斯语翻译数据集。
• اشعار حافظ: 哈菲兹的诗句数据集。
• اطلاعات کتاب‌های فارسی در دیجیکالا: 在Digikala上的波斯语书籍信息数据集。

Health care

• پایگاه‌های انتقال خون ایران: 伊朗血液传输中心数据集。
• اخبار خبرگزاری ایسنا درباره‌ی کوید۱۹/کرونا: 关于COVID-19的新闻数据集。
• تصادفات جاده‌ای: 交通事故数据集。
• آمار کووید۱۹: COVID-19统计数据集。

Social Media

• مجموعه توییت‌ها درباره‌ی دربی فوتبال: 关于足球死亡的推文数据集。
• توییت‌های طرفداران داعش: 支持ISIS的推文数据集。
• توییت‌های انگلیسی رئیس‌جمهور روحانی: 鲁哈尼总统的英语推文数据集。
• توییت‌های انگلیسی وزیرامورخارجه آقای ظریف: 外长扎里夫的英语推文数据集。
• کامنت‌های اینستاگرام پیج نماوا و فیلیمو: 关于NemaVoa和Filimo的Instagram评论数据集。
• نظرات کالاهای دیجیکالا: Digikala商品的评论数据集。
• توییت‌های فارسی دسته‌بندی شده بر اساس احساسات: 基于情感分类的波斯语推文数据集。
• چت نوجوان‌ها: 青少年聊天数据集。
• مقالات فارسی در ویرگول: 波斯语文章数据集。
• توییت‌های اعتراضات ۱۴۰۱: 关于2022年伊朗抗议的推文数据集。

Governments

• پایگاه های انتقال خون ایران: 伊朗血液传输中心数据集。
• کدهای شهرستان‌ها: 伊朗县代码数据集。
• قانون اساسی جمهوری اسلامی ایران: 伊朗伊斯兰共和国宪法数据集。
• علائم ترافیکی و راهنمایی‌رانندگی ایران: 伊朗交通标志和驾驶指南数据集。

News

• اخبار فارسی: 波斯语新闻数据集。
• اخبار فارسی ۲: 另一个波斯语新闻数据集。
• اخبار خبرگزاری تسنیم: Tasnim通讯社新闻数据集。
• اخبار بی‌ بی سی فارسی: BBC波斯语新闻档案数据集。
• تصاویر و عکس های خبرگزاری تسنیم: Tasnim通讯社新闻图片数据集。
• اخبار خبرگزاری ایسنا درباره‌ی کوید۱۹/کرونا: 关于COVID-19的ISNA新闻数据集。
• خبرگزاری فارس سال ۱۳۹۸: Fars News 2019年新闻数据集。

Sports

• مجموعه توییت ها درباره ی دربی فوتبال: 关于足球死亡的推文数据集。

Finance

• بورس تهران: 德黑兰证券交易所数据集。
• سهام و بورس: 股票和证券交易所数据集。
• قیمت ملک در تهران: 德黑兰房产价格数据集。
• شاخص بورس ایران: 伊朗证券交易所指数数据集。
• آمار اقتصاد/ جامعه/ زیست‌محیطی ایران (بانک جهانی) - سری زمانی: 伊朗经济、社会和环境统计数据集。
• میزان تولید و مصرف نفت: 石油生产和消费数据集。
• اطلاعات پروازهای داخلی و خارجی ایران سال ۲۰۲۳: 2023年伊朗国内和国际航班信息数据集。
• بیش از ۲ میلیون محصول و نظرات از سایت باسلام(۱۴۰۳): Basalam网站上的产品和评论数据集。
• بیش از ۱ میلیون محصول دیجیکالا(۱۴۰۳): Digikala网站上的产品和评论数据集。

Politics

• آمار روزانه اعتراضات ۱۴۰۱: 2022年伊朗抗议每日统计数据集。

Environmental

• زلزله در ایران: 伊朗地震数据集。
• میزان بارندگی شهرهای ایران: 伊朗城市月平均降水量数据集。
• تحلیل و داده‌های کشاورزی در ایران: 伊朗农业数据分析数据集。

Photos

• علائم تجاری شرکت‌ها: 公司商标图像数据集。
• آگهی‌های دیوار: 墙壁广告图像数据集。
• آگهی‌های ماشین در سایت دیوار: 在Divar网站上的汽车广告图像数据集。
• تصاویر ماشین‌های مرسوم در ایران: 伊朗常见汽车图像数据集。
• پلاک‌های ماشین ایرانی: 伊朗汽车牌照图像数据集。
• علائم ترافیکی و راهنمایی‌رانندگی ایران: 伊朗交通标志和驾驶指南图像数据集。
• تصاویر با توضیحات فارسی: 带有波斯语描述的图像数据集。
• تصاویر ماشین‌های ایرانی: 伊朗汽车图像数据集。

Movies

• لیست فیلم و سریال ایرانی: 伊朗电影和电视剧列表数据集。
• لیست فیلم و سریال ایرانی از فیلیمو: 从Filimo获取的伊朗电影和电视剧列表数据集。

Music

• لیست آثار فارسی در اسپاتیفای: 在Spotify上的波斯语艺术作品列表数据集。
• لیست صوتی دستگاه‌های موسیقی سنتی: 传统音乐乐器的音频列表数据集。
• پرشنونده ترین آهنگ‌های رادیوجوان: Radio Javan最受欢迎的歌曲数据集。

Culture

• آمار ازدواج و طلاق: 伊朗婚姻和离婚统计数据集。

搜集汇总

数据集介绍

构建方式

Awesome Iranian Datasets 是一个汇集了大量伊朗和波斯语相关数据集的资源库。该数据集的构建方式主要依赖于社区贡献，涵盖了从自然语言处理到地理信息、医疗健康、社交媒体等多个领域的数据。每个数据集都通过链接指向其原始来源，如 Kaggle 和 GitHub，确保数据的可靠性和可追溯性。此外，数据集的分类清晰，便于用户根据需求快速定位相关数据。

特点

该数据集的显著特点在于其广泛性和多样性。它不仅包含了波斯语的自然语言处理数据，如词汇、短信、语音等，还涵盖了伊朗的地理、文化、政治、经济等多个领域的数据。数据集的分类细致，从新闻、社交媒体到医疗、环境等，几乎覆盖了社会生活的各个方面。此外，数据集的更新和维护依赖于社区的持续贡献，确保了数据的时效性和丰富性。

使用方法

用户可以通过访问 Awesome Iranian Datasets 的 GitHub 页面，根据分类浏览和下载所需的数据集。每个数据集都提供了详细的描述和链接，用户可以直接访问原始数据源进行下载和使用。对于需要特定类型数据的用户，可以通过搜索功能快速定位相关数据集。此外，用户还可以通过贡献指南参与数据集的更新和扩展，进一步丰富数据资源。

背景与挑战

背景概述

Awesome Iranian Datasets 是一个汇集了大量伊朗和波斯语数据集的综合性资源库，由 MEgooneh 等研究人员创建。该数据集涵盖了从语言学、地理、文学、医疗、社交媒体到金融、政治、环境等多个领域，旨在为研究者提供丰富的数据资源，以支持对伊朗社会、文化和经济的多维度分析。其创建时间虽未明确提及，但其广泛的分类和丰富的数据集表明，该资源库在近年来得到了持续的更新和扩展，对相关领域的研究具有重要的推动作用。

当前挑战

Awesome Iranian Datasets 面临的挑战主要集中在数据的质量和多样性上。首先，由于数据来源广泛，部分数据集可能存在标注不一致或缺失的问题，这为数据清洗和预处理带来了挑战。其次，波斯语作为一种非拉丁字母语言，其自然语言处理（NLP）技术相对滞后，尤其是在情感分析和文本分类等领域，模型的准确性和泛化能力仍需进一步提升。此外，数据集的多样性虽然丰富，但在某些特定领域（如环境数据或政治数据）可能存在数据量不足或更新不及时的问题，限制了相关研究的深入展开。

常用场景

经典使用场景

Awesome Iranian Datasets 提供了丰富的伊朗和波斯语数据集，涵盖了多个领域，如自然语言处理、地理信息、医疗健康、社交媒体等。其中，波斯语数据集尤为突出，包括波斯语词汇、短信、语音、手写文本等，这些数据集在语言模型训练、情感分析、语音识别等任务中具有广泛的应用。例如，波斯语短信数据集可用于垃圾短信检测，波斯语语音数据集则可用于语音合成和情感识别。

实际应用

在实际应用中，Awesome Iranian Datasets 的数据集被广泛应用于多个行业。例如，波斯语新闻数据集可用于新闻推荐系统，社交媒体数据集可用于舆情监控和情感分析。此外，地理信息数据集如伊朗城市和省份数据，为物流、旅游等行业提供了基础数据支持。金融领域的数据集如伊朗股市数据，则为投资者和分析师提供了重要的市场分析工具。

衍生相关工作

基于 Awesome Iranian Datasets，许多研究者和开发者开展了相关工作。例如，波斯语语音数据集被用于开发语音助手和语音识别系统，波斯语手写文本数据集则被用于手写体识别研究。此外，社交媒体数据集如伊朗抗议活动的推文数据，被用于社会运动分析和预测。这些衍生工作不仅丰富了数据集的应用场景，也为相关领域的技术进步提供了重要支持。