كتب ونصوص محررة
اختر كتبًا عربية أو نصوصًا فصحى محررة احترافيًا ومنظمة حسب الموضوع. تغطي المجموعة المحررة مواد حتى عام 2026.
Bayanat Knowledge
نصوص ومعرفة عربية لتدريب النماذج.
رخّص كتبًا، ونصوصًا بالفصحى مصنفة حسب الموضوع، وبيانات أسئلة وأجوبة مهيكلة. لكل مجموعة مهمة تدريب واضحة، ولها أعدادها وتفاصيل ترخيصها الخاصة.
Read in Englishاعثر على مجموعة البيانات النصية المناسبة
اختر مجموعة لترى أعدادها والاستخدام المقصود منها وتفاصيل ترخيصها. صفحات المجموعات التفصيلية باللغة الإنجليزية حاليًا.
2,700 كتاب
Arabic Books
لفرق النماذج التي تحتاج نصوصًا عربية طويلة للنمذجة اللغوية أو لتغطية أعمق لموضوع محدد.
التفاصيل (بالإنجليزية) 400,000 سؤال اختيار من متعددArabic STEM Q&A
لفرق تدريب المساعدات الذكية التعليمية بالعربية أو النماذج التي تجيب عن أسئلة العلوم والتقنية والهندسة والرياضيات.
التفاصيل (بالإنجليزية) 200,000 جملة بالفصحىMSA Named Entity Recognition
لفرق تدمج استخراج الكيانات العربية في البحث أو معالجة المستندات أو فهم اللغة.
التفاصيل (بالإنجليزية) 180,000 زوج سؤال وجوابArabic Regional Q&A
لفرق تبني مساعدات ذكية بالعربية يسأل مستخدموها عن المنطقة العربية.
التفاصيل (بالإنجليزية) 40,000 زوج سؤال وجواب بالإنجليزيةEnglish Regional Q&A
لفرق تبني مساعدات ذكية باللغة الإنجليزية تجيب عن أسئلة حول المنطقة العربية. البيانات نفسها باللغة الإنجليزية.
التفاصيل (بالإنجليزية) مواد حتى عام 2026 · الحجم حسب الموضوعEdited MSA Knowledge
لفرق تكيّف نموذجًا عربيًا مع موضوع تهمّها فيه جودة اللغة المحررة ووضوح حقوق المحتوى.
التفاصيل (بالإنجليزية)أي مجموعات البيانات النصية العربية تناسب مهمتك؟
ابدأ بما يحتاج نموذجك إلى تعلّمه. تُرخَّص المجموعات الجاهزة للعناوين والاستخدامات المختارة، أما الصفوف الثلاثة الأخيرة فمهام يخدمها جمع مخصص أو مجموعة أخرى من منتجات Bayanat.
| مهمتك | ابدأ بـ | ما تتحقق منه قبل الترخيص |
|---|---|---|
| نصوص عربية طويلة لتكييف نموذج مع مجال محدد (domain adaptation) أو لمواصلة التدريب المسبق (continued pretraining) | 2,700 كتاب عربي (Arabic Books) (بالإنجليزية) | قائمة العناوين والناشرين والموضوعات، وأي عدد للرموز (tokens) مع ذكر أداة التقطيع والفصل بين النص الخام والنص بعد التنظيف. |
| نصوص فصحى نظيفة منظمة حسب الموضوع، مع حقوق تدريب تجاري منصوص عليها في الاتفاق | نصوص فصحى محررة (Edited MSA Knowledge) (بالإنجليزية) | تغطية الموضوعات وسجلات نموذجية. تغطي المجموعة مواد حتى عام 2026، مع حقوق تدريب تجاري للذكاء الاصطناعي في الاتفاق؛ أما الاسترجاع والعرض وإعادة التوزيع فتُحدَّد بشكل منفصل. |
| أسئلة اختيار من متعدد في العلوم والتقنية والهندسة والرياضيات (STEM) للتدريب | 400,000 سؤال علمي بالعربية (Arabic STEM Q&A) (بالإنجليزية) | مفاتيح الإجابات، وهل تتضمن المجموعة شروحًا، وأي تقسيم مقترح بين التدريب والاختبار. وإن احتجت مجموعة اختبار مستقلة فاستخدم Bench بدلًا منها. |
| معرفة عن المنطقة العربية لمساعد ذكي | 180,000 زوج سؤال وجواب بالعربية عن المنطقة (Arabic Regional Q&A) (بالإنجليزية) 40,000 زوج سؤال وجواب بالإنجليزية عن المنطقة (English Regional Q&A) (بالإنجليزية) | قوائم الحقول ومراجعة الإجابات. المجموعتان منتجان منفصلان، فلا تفترض أن إحداهما ترجمة موازية للأخرى. |
| استخراج الكيانات المسماة من نصوص عربية رسمية | 200,000 جملة بالفصحى موسومة بالكيانات (MSA Named Entity Recognition) (بالإنجليزية) | أنواع الكيانات والتداخل والتقطيع وصيغة التصدير. |
| نصوص عربية باللهجات أو بخليط من العربية والإنجليزية بكميات كبيرة | جمع مخصص | اطلب توزيع السجل اللغوي واللهجات للمجموعة الجاهزة التي تفكر فيها. فإن لم يغطِّ ما تحتاجه، فحدّد معنا نطاق جمع من مصادر مصرّح بها. |
| مقاطع نصية مع أحكام الصلة (relevance judgments) للبحث أو للتوليد المعزز بالاسترجاع (RAG) | بيانات البحث والاسترجاع (Bayanat Search) مجموعة مجانية للاسترجاع (Arabic Retrieval Starter Kit) (بالإنجليزية) | مقياس الصلة والأمثلة السلبية الصعبة (hard negatives) والأسئلة التي لا إجابة لها، وتوضح مجموعة Arabic Retrieval Starter Kit المجانية صيغة البيانات. |
| نصوص داخل صفحات ممسوحة ضوئيًا أو استمارات أو صور | مجموعات بيانات المستندات العربية (Bayanat Documents) فحوص بيانات OCR العربية العشرة | التفريغ وترتيب القراءة وربط كل حقل بموضعه في الصفحة (field evidence)، وتسرد قائمة الفحوص العشرة لبيانات OCR العربية ما يجب فحصه. |
هل Bayanat Knowledge مناسب لك؟
مناسب لك إذا
- تكيّف نموذجًا مع محتوى عربي في موضوع محدد وتحتاج نصوصًا طويلة أو محررة احترافيًا ومرخّصة.
- تحتاج بيانات أسئلة وأجوبة عربية مهيكلة أو أسئلة اختيار من متعدد في العلوم والتقنية والهندسة والرياضيات (STEM) للتدريب.
- تحتاج توسيمًا للكيانات المسماة بالعربية الفصحى لأنظمة الاستخراج.
اختر غيره إذا
- تحتاج مجموعة اختبار مستقلة. العناصر التي ترخّصها للتدريب ليست اختبارًا معياريًا معزولًا (held-out benchmark)؛ انظر Bench.
- تحتاج نصوصًا باللهجات أو بخليط من العربية والإنجليزية بكميات كبيرة لا يظهرها توزيع السجل اللغوي واللهجات في هذه المجموعات. اطلب جمعًا مخصصًا.
ما يمكنك التحقق منه قبل الترخيص
نفصل بين ما هو مؤكد في هذه الصفحة، وما نرسله عند الطلب، وما يُتفق عليه في كل مشروع.
| البند | الحالة | التفاصيل |
|---|---|---|
| الأعداد في كل مجموعة | مؤكَّد | 2,700 كتاب عربي، و400,000 سؤال اختيار من متعدد بالعربية في العلوم والتقنية والهندسة والرياضيات، و200,000 جملة بالفصحى موسومة بالكيانات المسماة، و180,000 زوج سؤال وجواب بالعربية عن المنطقة، و40,000 زوج بالإنجليزية عن المنطقة (منتج منفصل، ولم يثبت أنه ترجمة موازية). |
| تغطية الفصحى المحررة وحقوقها | مؤكَّد | نصوص فصحى محررة احترافيًا ومنظمة حسب الموضوع، تغطي مواد حتى عام 2026، مع حقوق تدريب تجاري للذكاء الاصطناعي في الاتفاق. |
| قوائم العناوين والناشرين والموضوعات | عند الطلب | للكتب والنصوص المحررة، قبل أن تختار المادة. |
| أعداد الرموز (tokens) | عند الطلب | أي عدد للرموز يذكر أداة التقطيع ويفصل بين النص الخام والنص بعد التنظيف. |
| تصنيف الكيانات وقواعد تحديدها | عند الطلب | أنواع الكيانات والتداخل والتقطيع وصيغة التصدير. |
| مفاتيح الإجابات والشروح والتقسيمات | عند الطلب | قوائم الحقول ومراجعة الإجابات والحدود المقترحة بين التدريب والاختبار. |
| سجلات نموذجية | عند الطلب | اطلبها مع مواصفات المجموعة التي تختارها. |
هل تحتاج أكثر من المجموعة الجاهزة؟
يستطيع فريقنا إضافة بيانات أو توسيم لنموذجك تحديدًا، ويُتفق على هذه الإضافات بشكل منفصل.
بيانات الأسئلة والأجوبة
أسئلة اختيار من متعدد في العلوم والتقنية والهندسة والرياضيات، إلى جانب مجموعتين منفصلتين من الأسئلة والأجوبة عن المنطقة العربية، إحداهما بالعربية والأخرى بالإنجليزية.
توسيم الكيانات
تدعم مجموعة التعرف على الكيانات المسماة بالفصحى، ذات 200,000 جملة، استخراج الكيانات من النصوص العربية الرسمية.
موضوعات إضافية
أخبرنا بالمواد المهنية أو التعليمية أو التقنية أو الإقليمية التي تحتاجها، ويمكننا التخطيط لجمعها من مصادر مصرّح بها وتوسيمها وفق هذه الحاجة.
كيف يغطي الترخيص كل استخدام
حقوق التدريب لا تعني تلقائيًا حق العرض أو الاسترجاع أو إعادة التوزيع. نحدد كل استخدام في الاتفاق.
تدريب النماذج
ترخيص تجاري للعناوين والاستخدامات المختارة. وتتضمن مجموعة الفصحى المحررة حقوق تدريب تجاري للذكاء الاصطناعي منصوصًا عليها في الاتفاق.
الاسترجاع والعرض
استخدام مرخّص منفصل. أخبرنا إن كان منتجك يعرض مقاطع للمستخدمين أو يسترجعها أثناء التشغيل.
إعادة التوزيع
نطاق منفصل، فحدّده إن احتجت إليه.
كيف نُعدّ البيانات
اعثر على المادة المناسبة
راجع عينة وتغطية الموضوعات والسجل اللغوي والتغطية الزمنية والوحدة المستخدمة لقياس الحجم.
خطّط للصيغة
يمكن أن يشمل الإعداد المخصص حدود المستندات وسجلات المصادر وتواريخ النشر ومعرّفات التراخيص وسجل التنظيف وإزالة التكرار.
أكّد الحقوق
تتضمن مجموعة الفصحى المحررة حقوق تدريب تجاري للذكاء الاصطناعي في الاتفاق. والتدريب والاسترجاع والعرض وإعادة التوزيع استخدامات مرخّصة منفصلة.
مثال: بناء مساعد عربي تقني
ابدأ بمواد محررة في الموضوع المناسب، وأضف أسئلة مرتبطة بها، واستخدم مجموعة تقييم منفصلة لفحص إجابات المساعد.
حدّد نطاق طلبك
أرسل لنا هذه التفاصيل، وسنرسل المواصفات المتاحة، وعينة حيث تتوفر، ليتحقق فريقك من الملاءمة قبل الترخيص.
- المجموعة أو المجموعات التي تهمك
- الموضوعات أو المجال
- الاستخدام المقصود: تدريب أو استرجاع أو عرض
- الحجم المطلوب
- الجدول الزمني
أسئلة شائعة
هل إحدى مجموعتي الأسئلة والأجوبة عن المنطقة، العربية والإنجليزية، ترجمة للأخرى؟
هما منتجان منفصلان: 180,000 زوج بالعربية و40,000 زوج بالإنجليزية. لا نفترض أنهما ترجمتان متوازيتان أو متطابقتان على مستوى العناصر، فاطلب مواصفات المجموعتين إن احتاج تطبيقك أزواجًا متقابلة.
ما الحقوق المرافقة لمجموعة الفصحى المحررة؟
حقوق التدريب التجاري للذكاء الاصطناعي منصوص عليها في الاتفاق. وإن احتجت أيضًا إلى عرض المقاطع أو استخدام المادة في الاسترجاع أو إعادة توزيعها، فيجب تحديد هذه الاستخدامات بشكل منفصل.