发布 Sadeed-Tashkeela 数据集, 应用在 阿拉伯语标音、自然语言处理 领域

本次发布的数据集 Sadeed-Tashkeela, 该数据集来源于Tashkeela语料库和阿拉伯树库（ATB-3），旨在服务于阿拉伯语标音任务。它包含了1,042,698个示例，总计大约5300万字，这些文本在经过标准化处理后，还被分块以保持句法和上下文依赖关系。为确保数据质量，该数据集在预处理阶段纠正了标音错误，对文本进行了规范化处理，并针对训练进行了优化，避免了现有测试集数据泄露的风险。该数据集的规模约为5300万字，所涉及的任务是阿拉伯语标音。

查看Sadeed-Tashkeela

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。