مكانز عربية وأدوات مجانية

	مكانز مجانية عربية	الحجم
1	King Abdulaziz City for Science and Technology Arabic Corpus	700MB
2	Leeds Internet Arabic Corpora	317MB
3	arabiCorpus	173MB
4	King Saud University Corpus of Classical Arabic	50MB
5	KALIMAT Corpus	18MB
6	A Corpus of Arabic newspapers	2.5MB
7	The corpus of contemporary Arabic	1MB
8	The Open Source Arabic Corpus (OSAC)	18MB
9	KACST text classification corpus	11MB
10	Alwatan-2004	10MB
11	Akhbar Al Khaleej 2004	3MB
	أدوات مجانية لمعالجة المصادر النصية والمكانز
1	aConCorde
2	Khawas

OpenSubtitles2011

مجموعة لنصوص متوازية من ترجمات الأفلام مصدرها موقع  http://www.opensubtitles.org

وصف النصوص المتاحه:

٥٤ لغة 

١٠٢٥ نص متوازي 

عدد الملفات ١٣٩٠٥٨٤

عدد الكلمات ٨,٣١ جيجا 

عدد الجمل ١,٢٢ جيجا 

للتحميل 

http://opus.lingfil.uu.se/OpenSubtitles2011.php

MEDAR MT package

The package includes:

• Monolingual and parallel training data
• Source corpora and their reference translations
• Sentence and word alignment
  (morphosyntactic disambiguated)
• An alignment package
• Two MT baseline systems that uses MOSES
• Evaluation metrics (BLEU/NIST and WER)
• Formatting scripts to convert XML files

When downloading please sign the end-user agreement

Download the MEDAR MT package
or download the English/Arabic data

source: http://www.medar.info/

دليل المدونات اللغوية العربية (مكانز)

دليل المدونات اللغوية العربية (مكانز)

منقول من مشروع الموارد اللسانية العربية يهتم بنشر روابط المكانز (المدونات العربية) المفتوحة، تسهيلا لعمل اللسانيين الحاسوبيين.

المدونات

مدونة أحمد عبد العالي

• جمعها : د. أحمد عبد العالي
• ترخيصمجاني
• مصدر:جرائد
• حجم: 113 مليون كلمة, 800 Mb
• وصلة: ملف مضغوط (tar.gz)
  ملقات منفردة

مدونة تشكيلة: نصوص عربية مشكولة

• جمعها : طه زروقي
• ترخيصمجاني
• مصدر: برنامج المكتبة الشاملة
• حجم: 122 Mb مضغوط
• وصلة: تشكيلة

مدونة الوطن والخليج

• جمعها : د. مراد عباس
• ترخيصمجاني
• مصدر:جريدتا الوطن والخليج
• حجم: 14 Mb
• وصلة: Arabic Corpus

Arabic Corpora

• جمعها : د. لطيفة السليطي
• ترخيصمجاني
• مصدر:جرائد
• حجم: -
• وصلة: Arabic corpus

المدونة العربية مفتوحة المصدر

• جمعها : د. معتز سعد
• ترخيصمجاني
• مصدر:جرائد ()
• حجم:20 مليون كلمة, 15 Mb
• وصلة: ar-text-mining

مدونة الكلمات العربية

• قائمة كلمات
• جمعها : مؤيد السعدي
• ترخيصمجاني
• مصدر:
• وصلة: مدونة كلمات عربية 

المصدر: http://aracorpus.e3rab.com/index.php


أضافات:

الذخيرة النصية الفصحى لجامعة الملك سعود

http://nlp4arabic.blogspot.fr/2012/11/blog-post.html