المدونة العربية
أنشأنا هذه المدونة بجمع آلاف المقالات من جريدة يومية خليجية. وقد أزلنا عن قصد جميع علامات التنقيط كالنقطة والفاصلة و علامة الأستفهام، إلخ... وهذا بغية استعمالها في تصنيف النصوص والتعرف الموضوعي بالنسبة للغة العربية.
يمكن الاطلاع على المقالات التالية التي تعرض دراسات اعتمدت على هذه المدونة:
- المقارنة بين طرق التعرف الموضوعي للغة العربية ، المؤتمر الدولي Recent Advances in Natural Language Processing ، سبتمبر 2005 ، بوروفيتس ، بلغاريا [pdf].
- مهمة تحديد المواضيع للغة العربية الفصحى المعاصرة ، المؤتمر الدولي العاشر للحاسبات ، تموز 10-15 ، 2006 ، فولياغميني بيتش ، أثينا ، اليونان، ص 1092-(إنجليزي)1096
تحتوي مدونة وطن-2004 على حوالي 20000 مقال مصنفة حسب المواضيع التالية: ثقافة، دين، اقتصاد، أخبار محلية، أخبار عالمية، رياضة.
مصدر هذه المدونة هي مجموع مقالات الجريدة العمانية الوطن لعام 2004، وقد تركنا عمدا علامات التنقيط في نصوص المدونة لاستعمالها في مجالات عديدة منها نمذجة اللغة.
المدونة المتوازية متعددة اللهجات العربية PADIC
تحتوي المدونة على 6 لهجات بالإضافة إلى الفصحى، وهي مكتوبة على صيغة بوكوولتر، وتحوي أكثر من 6000 جملة متوازية. وقد تم بناء المدونة في إطار المشروع الوطني للبحث "ترجمان" تحت رقم 24-u23-1902 ، تحت إشراف مركز البحث العلمي والتقني لترقية اللغة العربية وبتمويل من وزارة التعليم العالي والبحث العلمي.
ملاحظة: تستعمل هذه المدونة لغرض البحث فقط.
إن تطوير وتحديث هذه المدونات أمر مرغوب فيه من طرف الباحثين، إلا أن استخدامها بغرض تنجيز برمجيات أو إنجاز مدونات أخرى تحت تسمية أخرى يستدعي طلب ترخيص من مراد عباس.