مجموعة وسوم العربية المغاربية
طبقات وسوم للعربية في شمال أفريقيا: المشاعر وفئة اللهجة والنية والموضوع والتناوب اللغوي. يضع كل وسم عدة واسمين مدرَّبين كلٌّ على حدة، ولا يُعتمد إلا عند اتفاق 66٪ فأكثر.
- أنواع الوسوم
- المشاعر، فئة اللهجة، النية، الموضوع، التناوب اللغوي
- قاعدة الإجماع
- عدة واسمين مستقلين، يُعتمد عند اتفاق 66٪ فأكثر
- اللغات
- ar-TN، ar-DZ، ar-MA، القبائلية وأمازيغية الأطلس المتوسط
- بنية المجالات
- 194 موضوعًا فرعيًا ضمن 17 مجالًا، من الطبخ إلى لغة الشباب
- التسليم
- JSON أو JSONL أو CSV، سطر لكل جملة ونوع وسم
- نصوصكم الخاصة
- الوسم كخدمة على مدونتكم — بتسعير لكل مهمة
هكذا يبدو السجل المُسلَّم
هذه هي الأعمدة الفعلية لواجهة التصدير عندنا، لا مخطط مقترح. تعرفون قبل أول رسالة ما إذا كانت الحقول تناسب سلسلة التدريب لديكم.
- sentence_id
- text_ar
- annotation_type
- consensus_label
- consensus_score
- times_annotated
- domain_code
- country_code
- language_code
- region_origin
{
"sentence_id": "ann_41d9b2",
"text_ar": "ما نجمش نصبر أكثر من هكة",
"annotation_type": "sentiment",
"consensus_label": "negative",
"consensus_score": 1,
"times_annotated": 3,
"domain_code": "emotions_express.frustration",
"country_code": "TN",
"language_code": "ar-TN",
"region_origin": "Tunis"
}البنية حقيقية والقيم توضيحية. حزمة عيّنة كاملة مع الصوت والبيان متاحة عند الطلب مجانًا.
من أين تأتي البيانات
يشتغل واسمونا على رصيد من 2,028,674 جملة بالدارجة التونسية والمغربية مجمّعة من مدوّنات عمومية بترخيص مفتوح. يبقى النص المصدر تحت ترخيصه الأصلي — وما نرخّصه لكم هو طبقة الوسوم التي ينتجها فريقنا فوقه. كما نسم النصوص التي تأتون بها.
كيف يقارَن هذا بالمدوّنات المتاحة مجانًايمنح كل مساهم موافقته عند كل تسجيل، مسجّلة بختم زمني. يرافق سجلّ الموافقات التسليم ويصمد أمام التدقيق.
لا كشط للبيانات ولا فتات تعهيد جماعي. يتقاضى المساهمون 1.6 إلى 2.6 ضعف الحد الأدنى القانوني للأجر بالساعة في بلدهم مقابل عمل متحقَّق منه.
يحمل كل سجل المنطقة التي أُنتج فيها، مقابَلةً بالموقع المسجّل للمساهم — فالمنطقة اللهجية واقعة لا افتراض.
كل تصدير يحمل علامة مائية ويُتتبَّع تنزيله، فأي مدونة تتسرّب يمكن ردّها إلى الرخصة التي خرجت بها.
أولى الدفعات الموسومة ابتداءً من الربع الثالث 2026 — والرصيد مهيّأ وجاهز للوسم.
حدّدوا اللغة والمجالات والمناطق والحجم. تحصلون على حزمة عيّنة وعرض سعر — ويُخطَّط الجمع وفق مواصفاتكم.