SAMER 阿拉伯语文本简化语料库

我们提出了 SAMER 语料库，这是首个面向学龄学习者的手动标注阿拉伯语文本简化平行语料库。我们的语料库包含从 15 部公开可用的阿拉伯语虚构小说中选取的 159K 词的文本，其中大部分出版于 1865 年至 1955 年之间。我们的语料库包含文档和词级别的可读性水平标注，以及针对两种不同可读性水平学习者的每段文本的两个简化平行版本。我们描述了语料库的选取过程，并概述了我们为创建标注并确保其质量所遵循的指南。我们的语料库公开可用，以支持和鼓励阿拉伯语文本简化、阿拉伯语自动可读性评估以及阿拉伯语教学语言技术方面的研究。