К содержимому

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")