ezzaldeen/AraNovels

AraBooks数据集包含通过OCR扫描的阿拉伯语书籍内容，旨在支持阿拉伯语的发展和研究。该数据集包括来自各种来源的文本，其中一些是翻译成阿拉伯语的，而另一些则是以阿拉伯语原创的。由于PDF文件的质量问题，该数据集可能包含噪音。数据集的总标记数约为555,643个。

原始信息汇总

数据集概述

数据集名称

AraBooks

数据集描述

AraBooks是一个包含OCR扫描的阿拉伯语书籍内容的数据集，旨在支持阿拉伯语言的开发和研究。该数据集包含多种来源的文本，包括翻译成阿拉伯语的文本和原生阿拉伯语文本。

数据集特点

• 包含约555,643个令牌（所有书籍合计）。
• 可能因PDF文件质量较低而含有噪音。

数据集使用限制

• 仅供研究和教育目的使用。
• 用户需自行确保遵守相关版权法律和规定。
• 数据集创建者不对数据的准确性、完整性或适用性提供保证，并免责于因使用或误用数据而产生的任何损失、损害或法律后果。

数据集规模

• 数据集大小：1M<n<10M

数据集语言

• 阿拉伯语（ar）

许可证

• Apache-2.0