Датасет · ieasybooks-org
Библиотека Мечети Пророка: 48 тысяч книг на арабском
ieasybooks-org/prophet-mosque-library
Оцифрованные исламские книги из Библиотеки Мечети Пророка на арабском языке для OCR и языковых моделей.
Что внутри
Корпус включает 70 884 PDF-файла (более 23,4 млн страниц), охватывающих 48 717 исламских книг по более чем 70 категориям на арабском языке. Оригинальные документы обработаны через Google Document AI API, а извлечённый текст сохранён в форматах TXT и DOCX.
Что можно сделать
- Обучение и оценка систем OCR для распознавания арабской письменности и книжной вёрстки
- Предобучение или дообучение языковых моделей на классических и религиозных арабских текстах
- Задачи
- Картинка → текст
- Языки
- Арабский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 543,5 тыс.
- Лайков
- 27
Как загрузить
from datasets import load_dataset
ds = load_dataset("ieasybooks-org/prophet-mosque-library")