数据集概述
该数据集为古典阿拉伯语（CA）自然语言处理提供计算可访问的综合语言资源，包含古兰经的正字法、形态学、句法学三层标注，共约十三万二千七百三十六个词元，经专家验证，助力CA NLP研究与应用。
文件详解
- 文件名称：Quranic.rar
- 文件格式：RAR压缩包
- 内容说明：压缩包内包含古兰经的多层标注数据，采用扩展CoNLL-X表格格式，整合正字法（含不同脚本、音译、翻译及索引）、形态学（词性、形态句法特征、词元、词根）、句法学（混合 constituency-dependency框架标注）三层信息，辅以词典、标注 schema等辅助文件。
数据来源
Tanzil、Quranic Corpus、Comprehensive Islamic Library
适用场景
- 古典阿拉伯语自然语言处理模型训练与评估，如句法分析器、形态分析器、词性标注器、元音恢复模型
- 古典阿拉伯语理论语言学研究，提供实证数据支撑
- 古兰经数字人文项目开发，辅助文本分析与可视化
- 古典阿拉伯语教学工具开发，支撑语法学习与文本解读
- 伊斯兰文化与宗教文本的计算语言学研究，推动跨学科应用
