Datasets:
doc_id string | tokens list | labels list | text string | label_str string |
|---|---|---|---|---|
doc_00f2233edc0d | [
"يحمل",
"عبارة",
")",
"فئة",
"النقد",
"رقما",
"+",
"CBJ",
")",
"(",
"أ",
")",
"العلامة",
"المائية",
"(",
"ب",
")",
"العلامة",
"البارزة",
"(",
"ج",
")",
"الهولوجرام",
"(",
"د",
")",
"الخيط",
"الأمني",
"\n",
"تقديم",
"الشكاوي",
"بكل",
"يسر",
"وسهوله",
... | [
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0... | يحمل عبارة ) فئة النقد رقما + CBJ ) ( أ ) العلامة المائية ( ب ) العلامة البارزة ( ج ) الهولوجرام ( د ) الخيط الأمني
تقديم الشكاوي بكل يسر وسهوله عن طريق مزود الخدمه وتحليل الشكاوي ثم اتخاذ الاجراءات اللازمه ) مبدأ حماية المستهلك المالي ( يندرج تحت : ( أ ) الحفاظ على سرية المستهلك المالي وخصوصيته ( ب ) ايجاد طرائق فاع... | 00000000100001000010001000010000000000000000000000001000000001000000010000000010000100000010000000010000000010000000000100000100000100001000010000100000100000000100000000100000000100000010000010000000100000000100000001000000010000000000000001000001000001000001000001000000000000010000010000010000100000010000000000000000... |
doc_00f88da2b078 | [
"قل",
"أعوذ",
"برب",
"الناس",
"(",
"1",
")",
"ملك",
"الناس",
"(",
"2",
")",
"إله",
"الناس",
"(",
"3",
")",
"من",
"شر",
"الوسواس",
"الخناس",
"(",
"4",
")",
"الذى",
"يوسوس",
"فى",
"صدور",
"الناس",
"(",
"5",
")",
"من",
"الجنة",
"والناس",
"(",
"6",... | [
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
1
] | قل أعوذ برب الناس ( 1 ) ملك الناس ( 2 ) إله الناس ( 3 ) من شر الوسواس الخناس ( 4 ) الذى يوسوس فى صدور الناس ( 5 ) من الجنة والناس ( 6 ) | 00000010000100001000000100000001000001 |
doc_017a890a1353 | [
"بلاتر",
"يعترف",
"بخطأ",
"اختيار",
"قطر",
"لاحتضان",
"مونديال",
"2022",
"في",
"الصيف",
"\n",
"صرح",
"سيب",
"بلاتر",
"رئيس",
"الفيفا",
"لقناة",
"\"",
"أر",
"تي",
"أس",
"\"",
"السويسرية",
"بأن",
"اختيار",
"قطر",
"لاستضافة",
"كأس",
"العالم",
"لألفين",
"واثني... | [
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0... | بلاتر يعترف بخطأ اختيار قطر لاحتضان مونديال 2022 في الصيف
صرح سيب بلاتر رئيس الفيفا لقناة " أر تي أس " السويسرية بأن اختيار قطر لاستضافة كأس العالم لألفين واثنين وعشرين كان " خطأ " .
جاء التصريح ردا على سؤال الصحافي حول ما إذا كان من الخطأ منح قطر شرف تنظيم المونديال الكروي في فصل الصيف , وإضافة إلى الرد الإيجابي ف... | 0000000001000000000000000000000000001000000000000000000000010000000000000000000000000000000000000010000000000000000000000000000000000000100000000000000000000000010000000000000000000001 |
doc_0320579c9b44 | [
"سلسلة",
"الحيوانات",
"\n",
"الغراب",
"\n",
"التاريخ",
"الطبيعي",
"والثقافي",
"\n",
"يوريا",
"ساكس",
"\n",
"ترجمة",
":",
"ايزميرالدا",
"حميدان",
"\n",
"مراجعة",
":",
"أسامة",
"المنزلجي",
"\n",
"1",
"-",
"بلاد",
"ما",
"بين",
"النهرين",
"\n",
"(",
"تأملوا",
... | [
0,
1,
0,
1,
0,
0,
0,
1,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0... | سلسلة الحيوانات
الغراب
التاريخ الطبيعي والثقافي
يوريا ساكس
ترجمة : ايزميرالدا حميدان
مراجعة : أسامة المنزلجي
1 - بلاد ما بين النهرين
( تأملوا الغربان : إنها لا تزرع . لا تحصد . ليس لها مخدع , لا مخزن ورغم ذلك , فالله يطعمها ) لوقا ١٢ : ٢٤
لم يعد الإنجيل يقرأ أو يقتطف منه كما كان يحدث منذ بضعة أجيال مضت ... | 01010001001000010000100000010000000010010000000000010001000000000000000100000000000000001000000000100000000000001000000000000000000000001000000000000000001000000000000000000100000000000000001000000000000100000000010000000000000000000000000000000000000000010000000000000000000000100000000000100000000000000000100000000000... |
doc_03f245c53dbb | [
"24",
"حينئذ",
"قال",
"يسوع",
"لتلاميذه",
":",
"\"",
"إن",
"أراد",
"أحد",
"أن",
"يأتي",
"ورائي",
"فلينكر",
"نفسه",
"ويحمل",
"صليبه",
"ويتبعني",
",",
"25",
"فإن",
"من",
"أراد",
"أن",
"يخلص",
"نفسه",
"يهلكها",
",",
"ومن",
"يهلك",
"نفسه",
"من",
"أجلي",
... | [
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0... | 24 حينئذ قال يسوع لتلاميذه : " إن أراد أحد أن يأتي ورائي فلينكر نفسه ويحمل صليبه ويتبعني , 25 فإن من أراد أن يخلص نفسه يهلكها , ومن يهلك نفسه من أجلي يجدها . 26 لأنه ماذا ينتفع الإنسان لو ربح العالم كله وخسر نفسه ؟ أو ماذا يعطي الإنسان فداء عن نفسه ؟ 27 فإن ابن الإنسان سوف يأتي في مجد أبيه مع ملائكته , وحينئذ يجازي كل ... | 00000000000000000010000000000000001000000000000000000010000000000000000001000000000000000000000100000000000000000100000000000001000000000100000000000000000000000000000010000000000000000000000000010000000001000000000000100000000010000000000000000000000001000000000000000001000000000000001000000000000000000000000000100000... |
doc_0543259bfa3d | [
"إذا",
"جاءك",
"المنفقون",
"قالوا",
"نشهد",
"إنك",
"لرسول",
"الله",
"والله",
"يعلم",
"إنك",
"لرسوله",
"والله",
"يشهد",
"إن",
"المنفقين",
"لكذبون",
"(",
"1",
")",
"اتخذوا",
"أيمنهم",
"جنة",
"فصدوا",
"عن",
"سبيل",
"الله",
"إنهم",
"ساء",
"ما",
"كانوا",
"يعم... | [
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0... | إذا جاءك المنفقون قالوا نشهد إنك لرسول الله والله يعلم إنك لرسوله والله يشهد إن المنفقين لكذبون ( 1 ) اتخذوا أيمنهم جنة فصدوا عن سبيل الله إنهم ساء ما كانوا يعملون ( 2 ) ذلك بأنهم ءامنوا ثم كفروا فطبع على قلوبهم فهم لا يفقهون ( 3 ) وإذا رأيتهم تعجبك أجسامهم وإن يقولوا تسمع لقولهم كأنهم خشب مسندة يحسبون كل صيحة عليهم هم... | 000000000000000000010000000000000010000000000000100000000000000000000000010000000000000000100000000000000000000100000000000000000000001000000000000000000010000000000000000000100000000000000000000000100000000000001 |
doc_068a21144901 | ["الديباجة","\n","نحن","حكام","امارات","أبو","ظبي","ودبي","والشا(...TRUNCATED) | [1,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0(...TRUNCATED) | "الديباجة \n نحن حكام امارات أبو ظبي ودبي والشارقة وعجما(...TRUNCATED) | "100000000000010000000000000000000000000000000100000000000000000000000000000000000000000000000000000(...TRUNCATED) |
doc_08492bb4e2e0 | ["ولا","يحزنك","الذين","يسرعون","فى","الكفر","إنهم","لن","يضروا(...TRUNCATED) | [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0(...TRUNCATED) | "ولا يحزنك الذين يسرعون فى الكفر إنهم لن يضروا الله شيا (...TRUNCATED) | "000000000000000000000000100000000000000100000000000000000001000000000000000000000000000000000000001(...TRUNCATED) |
doc_095943cddbd5 | ["حدثنا","أحمد","بن","أبي","بكر","أبو","مصعب",",","قال","حدثنا","م(...TRUNCATED) | [0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,1,0,1,0(...TRUNCATED) | "حدثنا أحمد بن أبي بكر أبو مصعب , قال حدثنا محمد بن إبراه(...TRUNCATED) | 000000010000000000000000000010000000000001000010100000001000001 |
doc_09ce68ed38ae | ["وحدة","الدين","واللغة",".","\n","وحدة","العادات","والتقاليد",".(...TRUNCATED) | [0,0,0,1,0,0,0,0,1,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,1,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0(...TRUNCATED) | "وحدة الدين واللغة . \n وحدة العادات والتقاليد . \n وحدة ال(...TRUNCATED) | "000100001000001000000000010010000000000000000000000000000000000000010000000000100100000000000000000(...TRUNCATED) |
Arabic Sentence Segmentation Shared Task 2026
For details about the shared task, evaluation scripts, leaderboard, and submission guidelines, visit: https://www.araseg.aramlab.ai/
Dataset Summary
AraSeg is the first comprehensive benchmark for Arabic sentence segmentation. The corpus is designed to support research on sentence segmentation in Modern Standard Arabic (MSA), particularly in settings where punctuation is inconsistent, missing, or noisy. AraSeg contains manually annotated documents collected from diverse sources and genres, enabling robust evaluation across different writing styles and domains.
AraSeg-PA is the Paragraph-Aware (PA) variant of the corpus where documents include paragraph boundaries and punctuation marks.
Dataset Structure
Data Instances
{'doc_id': 'doc_00b450a96684',
'text': ['الفصل','الأول','حين','ركبت','السيارة','لم','أكن','أتصور','أنني','أبدأ', ...],
'labels': [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, ...]}
Data Fields
- doc_id: Unique document identifier.
- text: White-space-tokenized document represented as a list of tokens.
- labels: Token-level sentence boundary labels.
1indicates that a sentence boundary follows the current token, while0indicates no boundary.
Data Splits
- train: 174 documents (10,657 sentences and 128K words).
- dev: 222 documents (12,985 sentences and 164K words).
- test: 262 documents (12,509 sentences and 159K words).
Task Definition
Sentence segmentation is formulated as a binary token classification task.
Given a sequence of tokens: [token_1, token_2, ..., token_n], the model predicts for each token whether a sentence boundary follows it.
For example:
| Token | Label |
|---|---|
| ذهب | 0 |
| الطالب | 0 |
| إلى | 0 |
| المدرسة | 1 |
The label 1 indicates that the sentence ends after the token.
Evaluation
We evaluate systems using boundary-level metrics:
- Boundary Precision (P): Percentage of predicted sentence boundaries that are correct.
- Boundary Recall (R): Percentage of gold sentence boundaries correctly identified.
- Boundary F1 (F1): Harmonic mean of precision and recall.
Metrics are computed at the document level and averaged across the corpus.
We provide evaluation scripts on this repo.
- Downloads last month
- 111