five

Large-scale Arabic Token Dataset

收藏
arXiv2025-09-30 收录
下载链接:
https://github.com/MohamedAliRashad/arabic-nougat
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含了超过8,500本图书中提取的11亿个阿拉伯语词汇标记,为阿拉伯语的OCR(光学字符识别)研究提供了极为宝贵的资源。其规模达到了11亿个标记,专门用于支持阿拉伯语的OCR研究任务。

This dataset comprises 1.1 billion Arabic word tokens extracted from over 8,500 books, serving as an extremely valuable resource for Arabic OCR (Optical Character Recognition) research. With a scale of 1.1 billion tokens, it is specifically tailored to support Arabic OCR research tasks.
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作