MADAR dataset

NIAID Data Ecosystem2026-05-02 收录

阿拉伯语方言

方言语料库

数据链接：

https://figshare.com/articles/dataset/MADAR_dataset/27935397 数据链接链接失效反馈

官方服务：

资源简介：

The MADAR dataset is a sub-shared dataset, that includes two corpora, corpus-6 and corpus-26

创建时间：

2024-12-01

OSN-MDAD

机器翻译

阿拉伯语方言

OSN-MDAD数据集是由渥太华大学电气工程与计算机科学学院多媒体通信研究实验室创建的，旨在解决阿拉伯语多方言在社交媒体上的机器翻译问题。该数据集通过将英语推文翻译成四种阿拉伯方言（海湾、也门、伊拉克和黎凡特/沙米）来构建，特别关注社交媒体上的非正式语言和文化表达。数据集的创建过程遵循了严格的翻译指南，确保翻译内容的文化相关性和准确性。OSN-MDAD数据集的应用领域主要集中在提高阿拉伯语多方言的

arXiv2023-09-21 更新190

CHILDES Mandarin BJCMC Corpus

儿童语言习得

方言语料库

(1) The BJCMC Corpus) The Beijing Child Mandarin Corpus (BJCMC) was constructed to address the absence of systematic documentation of child Mandarin speech in naturalistic contexts at preschool age (3

DataCite Commons2026-05-04 更新130

TSM Corpus - D Version

语言学

方言语料库

The Taiwanese Southern Min (TSM) Corpus project has been funded by a research grant from the China Institute, University of Alberta and funding from the Department of Linguistics, University of Albert

DataONE2015-06-25 更新90

Spoken Arabic Regional Archive (SARA)

阿拉伯语方言

语音口音识别

SARA is a database, which consists of a set of spontaneous not pre-specified colloquial phrases in everyday life and life situations that are collected from media shows, episodes and films published o

Mendeley Data2024-03-27 更新180

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110

MADAR dataset

资源简介：

相关数据集