Datasetpublic

ARPRIM/pulaar_fulfulde

ARPRIM Saggitorde — Corpus de phrases alignées Français ⇄ Pulaar Ce corpus rassemble des phrases et paragraphes alignés français ⇄ pulaar (fulfulde), extraits de documents institutionnels, littéraires et scientifiques mauritaniens, dans le cadre du projet ARPRIM. Contrairement au dictionnaire terminologique ARPRIM (qui aligne des mots et expressions isolés), ce corpus aligne des unités de discours complètes (phrases, répliques, paragraphes), ce qui le rend utile pour… See the full description on the dataset page: https://huggingface.co/datasets/ARPRIM/pulaar_fulfulde.

sourceHugging Facecc-by-4.0updated 2mo agoView on Hugging Face

2likes53downloads

Dataset Card

ARPRIM Saggitorde — Corpus de phrases alignées Français ⇄ Pulaar

Ce corpus rassemble des phrases et paragraphes alignés français ⇄ pulaar (fulfulde), extraits de documents institutionnels, littéraires et scientifiques mauritaniens, dans le cadre du projet ARPRIM. Contrairement au dictionnaire terminologique ARPRIM (qui aligne des mots et expressions isolés), ce corpus aligne des unités de discours complètes (phrases, répliques, paragraphes), ce qui le rend utile pour l'entraînement ou l'évaluation de systèmes de traduction automatique.

Contenu

—1 708 paires de phrases alignées, réparties sur 37 thèmes et issues de 10 sources.
—Environ 92 000 mots côté français.

Fichiers

Fichier	Description
`ARPRIM_corpus_phrases_v1.json`	Corpus complet au format JSON (tableau d'objets), indenté, encodage UTF-8.
`ARPRIM_corpus_phrases_v1.jsonl`	Même contenu au format JSON Lines (une paire par ligne) — format par défaut pour le chargement via 🤗 `datasets`.
`Taro_konngi_cawndondirdi_fr-ff.html`	Application web autonome (HTML/CSS/JS) permettant de parcourir et rechercher le corpus dans un navigateur.
`README.md`	Cette fiche de description du jeu de données.

Structure d'une entrée

json

{
  "id": "ARPRIM_C_0013",
  "t": "Confinement COVID-19",
  "f": "Une fois votre guérison est confirmée par votre médecin, vos vêtements doivent être lavés à l'eau chaude...",
  "p": "So cafroowo maa teeŋtinanii ma a seertii e ñawu hee haa laaɓi, comci maa ine poti wuppireede ndiyam ngulɗam...",
  "s": "SOS_Pairs_Educateurs_Mauritanie"
}

—id : identifiant unique et stable de la paire.
—t : thème ou titre de la section dont est issue la paire.
—f : texte en français.
—p : texte en pulaar (fulfulde) correspondant.
—s : source documentaire d'origine (voir tableau ci-dessous).

Répartition par source

Source	Nombre de paires	Nature du contenu
`L_Obsession_de_retour_Bocar_BA`	510	Extrait de roman (« L'Obsession de retour »)
`NGONNOO_MI_ARPRIM`	480	Témoignage sur la déportation d'AGIYAR (1989-1991)
`SOS_Pairs_Educateurs_Mauritanie`	232	Vidéos de sensibilisation santé (COVID-19, VIH/Sida, paludisme, etc.)
`Compile3_ARPRIM`	210	Code de protection de l'enfant (ordonnance mauritanienne)
`Phrases_alignees_ARPRIM`	129	Actualités scientifiques, hygiène, gestion des ressources naturelles
`Tekrour_bilingue_TEKRUUR`	66	Histoire du royaume du Tékrour et du Fouta
`Loi_2000-044_Code_Pastoral_Mauritanie`	49	Code pastoral mauritanien (loi 2000-044)
`Fourneau_Fayda_APLV`	17	Mode d'emploi d'un fourneau à charbon économe
`Bayyinaango_jaaynde_ARPRIM`	13	Communiqué de presse (cinquantenaire de l'ARPRIM)
`Compil_Divers_ARPRIM`	2	Compilation diverse (MGF et planification familiale)

Utilisation avec 🤗 `datasets`

python

from datasets import load_dataset

ds = load_dataset("ARPRIM/Pulaar_Corpus", data_files="ARPRIM_corpus_phrases_v1.jsonl")
print(ds["train"][0])

Utilisation avec pandas

python

import pandas as pd

df = pd.read_json("ARPRIM_corpus_phrases_v1.jsonl", lines=True)
print(df.head())

Consultation en ligne

Le fichier Taro_konngi_cawndondirdi_fr-ff.html est une application autonome (aucune dépendance serveur) : il suffit de l'ouvrir dans un navigateur pour parcourir et rechercher les paires de phrases.

Avertissement sur la nature des sources

Certaines sources (notamment NGONNOO_MI_ARPRIM) contiennent un témoignage historique sur des événements graves survenus en Mauritanie (déportations de 1989-1991). Ce contenu est inclus à des fins de documentation linguistique et de mémoire historique, sans prise de position éditoriale de la part du projet ARPRIM.

Licence et attribution

Ce jeu de données est distribué sous licence CC BY 4.0. Merci de citer le projet ARPRIM et les sources documentaires d'origine (association SOS Pairs Éducateurs, textes législatifs mauritaniens, etc.) en cas de réutilisation.