Nabra:带有形态学标注的叙利亚阿拉伯方言语料库
计算与语言
2023-10-27 v1
摘要
本文介绍Nabra,一个带有形态学标注的叙利亚阿拉伯方言语料库。一个由叙利亚本地人组成的团队从包括社交媒体帖子、影视剧剧本、歌曲歌词和地方谚语在内的多个来源收集了超过6K个句子(约60K个词)以构建Nabra。Nabra涵盖多种叙利亚本地方言,包括阿勒颇、大马士革、代尔祖尔、哈马、霍姆斯、胡兰、拉塔基亚、马尔丁、拉卡和苏韦达的方言。一个由九名标注员组成的团队对这60K个词符在句子语境下进行了完整的形态学标注。我们训练标注员遵循方法论标注指南以确保唯一性的语素标注,并对标注进行了规范化。各特征的F1和kappa一致性分数在74%至98%之间,显示出Nabra标注的优异质量。我们的语料库是开源的,并作为Currasat门户https://sina.birzeit.edu/currasat的一部分公开可用。
引用
@article{arxiv.2310.17315,
title = {Nabra: Syrian Arabic Dialects with Morphological Annotations},
author = {Amal Nayouf and Tymaa Hammouda and Mustafa Jarrar and Fadi Zaraket and Mohamad-Bassam Kurdy},
journal= {arXiv preprint arXiv:2310.17315},
year = {2023}
}