摩洛哥方言（达里贾语）开放数据集
计算与语言
2021-03-18 v1
摘要
达里贾开放数据集（DODa）是一个面向摩洛哥方言的开源项目。DODa 拥有超过 10,000 条条目，可以说是为自然语言处理目的而构建的规模最大的达里贾语-英语翻译开源协作项目。事实上，除了语义分类外，DODa 还采用了句法分类，以不同拼写呈现词汇，提供动词到名词以及阳性到阴性的对应关系，包含数百个动词在不同时态下的变位，以及许多其他子集，以帮助研究人员更好地理解和研究摩洛哥方言。本数据论文描述了 DODa、其特征、收集方式，以及将 ImageNet 标签翻译为达里贾语后用于图像分类的首个应用。该协作项目托管于 GitHub 平台，采用 MIT 开源许可证，旨在成为研究人员、学生以及任何对摩洛哥方言感兴趣者的标准资源。
引用
@article{arxiv.2103.09687,
title = {Moroccan Dialect -Darija- Open Dataset},
author = {Aissam Outchakoucht and Hamza Es-Samaali},
journal= {arXiv preprint arXiv:2103.09687},
year = {2021}
}