CoolFace
Datasetpublic

Abdulrhmanalatab/taizzy-dialect-rag

Taizzy Dialect RAG Dataset (اللهجة التعزية) وصف المجموعة (Dataset Description) مجموعة بيانات اللهجة التعزية (Taizzy Dialect) هي مجموعة منظمة ومُنظفة تهدف إلى دعم تطبيقات استرجاع المعلومات المعززة (Retrieval-Augmented Generation - RAG) ونماذج اللغات الكبيرة (LLMs) المتخصصة في فهم وتوليد نصوص باللهجة التعزية اليمنية. تم جمع البيانات من مصادر لغوية، أدبية، وشعبية موثوقة، مع التركيز على الجوانب الفريدة للهجة، بما في ذلك: المفردات الأساسية (Core Vocabulary): الكلمات… See the full description on the dataset page: https://huggingface.co/datasets/Abdulrhmanalatab/taizzy-dialect-rag.

sourceHugging Facecc-by-4.0updated 8mo agoView on Hugging Face
0likes6downloads
Dataset Card

Taizzy Dialect RAG Dataset (اللهجة التعزية)

وصف المجموعة (Dataset Description)

مجموعة بيانات اللهجة التعزية (Taizzy Dialect) هي مجموعة منظمة ومُنظفة تهدف إلى دعم تطبيقات استرجاع المعلومات المعززة (Retrieval-Augmented Generation - RAG) ونماذج اللغات الكبيرة (LLMs) المتخصصة في فهم وتوليد نصوص باللهجة التعزية اليمنية.

تم جمع البيانات من مصادر لغوية، أدبية، وشعبية موثوقة، مع التركيز على الجوانب الفريدة للهجة، بما في ذلك:

  1. 1.المفردات الأساسية (Core Vocabulary): الكلمات الشائعة التي تختلف عن العربية الفصحى أو اللهجات اليمنية الأخرى.
  2. 2.التعابير الاصطلاحية والأمثال (Idioms & Proverbs): الجمل والعبارات التي تحمل معاني مجازية.
  3. 3.القواعد اللغوية الفريدة (Unique Grammar): خصائص النطق والصرف المميزة للهجة (مثل التلتلة، ونطق الثاء تاء).
  4. 4.الفروق المناطقية (Regional Variations): تمييز الفروق بين لهجة مدينة تعز ولهجات ريف تعز (مثل الحجرية وشرعب وصبر).

هيكل البيانات (Data Structure)

تحتوي المجموعة على ملفين رئيسيين:

  1. 1.`taizzy_dialect.jsonl`: ملف بصيغة JSON Lines، وهو التنسيق الأمثل لتدريب نماذج RAG، حيث يحتوي كل سطر على سياق (Context) وسؤال (Instruction) وإجابة (Response) لتمكين النموذج من الاسترجاع الفعال.
  2. 2.`taizzy_dialect.csv`: ملف بصيغة CSV، يحتوي على البيانات الأولية المنظمة في أعمدة لسهولة التحليل والفلترة.
العمودالوصفمثال
categoryفئة الإدخال (Vocabulary, Proverb, Grammar)Vocabulary
subcategoryالفئة الفرعية (General, Social, Pronunciation)Pronunciation
wordالكلمة أو العبارة التعزيةلموه
meaningالمعنى بالعربية الفصحىلماذا
usageمثال على الاستخدام في جملة تعزيةلموه فعلت أكه؟
variationالمنطقة التي تستخدم فيها الكلمة (City, Rural, General)City/Rural

الاستخدام المقترح (Suggested Use)

  • —نماذج RAG: يمكن استخدام ملف jsonl مباشرة كقاعدة بيانات استرجاع (Knowledge Base) لنماذج RAG المتخصصة في اللهجات العربية.
  • —تدريب النماذج اللغوية: يمكن استخدام البيانات لضبط (Fine-tuning) نماذج LLMs لزيادة إتقانها للهجة التعزية.
  • —البحث اللغوي: توفير مصدر منظم للباحثين المهتمين بدراسة اللغويات الاجتماعية والتاريخية للهجات اليمنية.

الترخيص (License)

هذه المجموعة مرخصة بموجب ترخيص Creative Commons Attribution 4.0 International (CC BY 4.0).

شكر وتقدير (Acknowledgments)

تم تجميع هذه البيانات وتحليلها بواسطة Manus AI بناءً على طلب المستخدم، بالاعتماد على مصادر بحثية وشعبية متعددة.