Egyptian Arabic Segmentation Dataset

包含 350 条推文，包含 8,000 多个单词，其中包括 3,000 个以埃及方言书写的独特单词。这些推文有很多方言内容，涵盖了埃及方言的大部分语音、形态和句法现象。它还包括文本的特定于 Twitter 的方面，例如#hashtags、@mentions、表情符号和 URL。

This dataset comprises 350 tweets containing over 8,000 words, among which 3,000 are unique words written in Egyptian dialect. These tweets feature rich dialectal content, covering most phonological, morphological and syntactic phenomena of the Egyptian dialect. It also includes Twitter-specific textual elements such as hashtags, @mentions, emojis and URLs.

搜集汇总

背景与挑战

背景概述

该数据集包含350条埃及阿拉伯语方言推文，涵盖8000多个单词，其中3000个为独特词汇，用于词性标注和形态分析。数据反映了方言的语音、形态和句法特征，并包含Twitter特有的元素如话题标签和表情符号。