The SAMER Arabic Text Simplification Corpus

要約

我々は、学齢期の学習者を対象としたテキスト簡略化のための、手動で注釈が付けられた初のアラビア語対訳コーパスである SAMER コーパスを紹介します。
私たちのコーパスは、公開されている 15 冊のアラビア語小説から選ばれた 159,000 語のテキストで構成されており、そのほとんどは 1865 年から 1955 年の間に出版されました。私たちのコーパスには、文書レベルと単語レベルの両方で可読性レベルの注釈が含まれているほか、テキスト ターゲティングごとに 2 つの簡略化された並列バージョンが含まれています。
学習者は 2 つの異なる読みやすさレベルで学習できます。
コーパスの選択プロセスについて説明し、注釈を作成してその品質を保証するために従ったガイドラインの概要を説明します。
私たちのコーパスは、アラビア語テキストの簡略化、アラビア語の自動可読性評価、アラビア語教育言語技術の開発に関する研究をサポートおよび奨励するために公開されています。

要約(オリジナル)

We present the SAMER Corpus, the first manually annotated Arabic parallel corpus for text simplification targeting school-aged learners. Our corpus comprises texts of 159K words selected from 15 publicly available Arabic fiction novels most of which were published between 1865 and 1955. Our corpus includes readability level annotations at both the document and word levels, as well as two simplified parallel versions for each text targeting learners at two different readability levels. We describe the corpus selection process, and outline the guidelines we followed to create the annotations and ensure their quality. Our corpus is publicly available to support and encourage research on Arabic text simplification, Arabic automatic readability assessment, and the development of Arabic pedagogical language technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google