شريحة ويكي بيانات للعالم العربي من Bayanat Labs
حقائق ويكي بيانات عن الأماكن والمؤسسات والأشخاص والأعمال في العالم العربي موزعة في أنحاء ويكي بيانات كلها. وتستخرج مجموعة البيانات هذه 844,634 عنصرًا مرتبطًا بالدول الأعضاء الـ22 في جامعة الدول العربية من ملف تفريغ ويكي بيانات بصيغة JSON بتاريخ 26 أكتوبر 2026، وتقدّمها في جداول Parquet تترابط عبر معرّف ويكي بيانات: صف لكل عنصر مع فئته وتسمياته وأوصافه وأسمائه البديلة بالعربية والمصرية والمغربية والإنجليزية والفرنسية، والدول التي يرتبط بها وطريقة الارتباط؛ وجدول طويل للتسميات مع صيغة موحّدة للنص العربي للمطابقة بين الأسماء؛ وإفادات لـ28 خاصية؛ وعناوين المقالات في ويكيبيديا العربية والمصرية والمغربية والإنجليزية والفرنسية وويكي الاقتباس العربية وويكي مصدر العربية؛ ومؤشر لفجوة التسميات العربية لكل دولة وفئة، مع قوائم بعناصر كثيرة الروابط ما زالت بلا تسمية عربية. ولـ536,400 من هذه العناصر تسمية عربية، فتبقى 36.49% منها بلا تسمية عربية، وتتراوح الفجوة بين الدول من 10.28% (اليمن) إلى 86.07% (جيبوتي).
| الترخيص | CC0 1.0 للبيانات المأخوذة من ويكي بيانات، وApache-2.0 لشيفرة أداة البناء، وCC BY 4.0 للتوثيق في مستودع GitHub، وتحتفظ ملفات ويكيميديا كومنز المذكورة في عمود الصورة بتراخيصها |
|---|---|
| الإصدار | v0.1.0 · الإصدار v0.1.0، مبني من ملف تفريغ ويكي بيانات بصيغة JSON بتاريخ 26 أكتوبر 2026، وأداة البناء موسومة على GitHub وغير موجودة على PyPI بعد. |
| تاريخ النشر | |
| آخر تحديث | |
| لمن هذا الإصدار | الفرق التي تربط النصوص العربية بالكيانات، أو تطابق الأسماء العربية واللاتينية للأماكن والمؤسسات والأشخاص، أو تبني معاجم جغرافية أو فهارس استرجاع للعالم العربي، أو تقيس مواضع نقص التسميات العربية في ويكي بيانات. |
| المستوى | متوسط |
أرقام رئيسية
تُحسب آليًا من الملفات المنشورة. يُقرأ كل رقم من ملف meta/summary.json في مجموعة البيانات على Hugging Face ويُربط بقيمة SHA-256 للملف، ويسرد ملف MANIFEST.json كل الملفات مع أحجامها وقيم SHA-256 لها.
التنزيل والمعرّفات
| المكان | المحتوى |
|---|---|
| Hugging Face | مجموعة البيانات على Hugging Face |
| GitHub | أداة البناء على GitHub |
| huggingface.co | أرقام الإصدار (meta/summary.json) |
| huggingface.co | فحوص الجداول ومقارنات الأعداد (meta/validation.json) |
| GitHub | المنهجية |
ابدأ الاستخدام
حمّل أحد الإعدادات بمكتبة datasets، أو استعلم عن ملفات Parquet مباشرة بأداة DuckDB. وثبّت أداة البناء من GitHub عند وسم الإصدار v0.1.0 لإعادة بناء الشريحة من ملف تفريغ ويكي بيانات، والحزمة غير موجودة على PyPI بعد.
# Python
from datasets import load_dataset
entities = load_dataset("Bayanat-Labs/arab-world-wikidata", "entities", split="train")
coverage = load_dataset("Bayanat-Labs/arab-world-wikidata", "coverage", split="train")
saudi = entities.filter(lambda r: "Q851" in r["countries"])
# Builder
pip install "git+https://github.com/Bayanat-Labs/arab-world-wikidata@v0.1.0"
arab-world-wikidata stream --helpما الذي يتضمنه الإصدار
| الجزء | الترخيص | ضمن الإصدار |
|---|---|---|
| العناصر والتسميات والإفادات وعناوين المقالات: الإعدادات entities وlabels_long وtriples وsitelinks (Parquet) | CC0 1.0 | نعم |
| مؤشر فجوة التسميات العربية وقوائم الفجوة: الإعدادات coverage وgap_todo وstates (Parquet)، مع رسم التغطية | CC0 1.0 | نعم |
| سجلات البناء: قائمة المرشحين وقيم التحقق لملف التفريغ واستعلامات الاختيار والعدّ وفحوص الجداول والأرقام الموجزة | CC0 1.0 | نعم |
| شيفرة أداة البناء: تصفية ملف التفريغ والبناء والفحوص والرسم | Apache-2.0 | نعم |
| الملف التعريفي وسجل التغييرات والمنهجية في مستودع GitHub | CC BY 4.0 | نعم |
| الصور في ويكيميديا كومنز المذكورة في عمود الصورة (أسماء الملفات فقط، دون أي صورة) | لكل ملف في ويكيميديا كومنز ترخيصه | لا |
صيغة النسبة: Arab-World Wikidata Slice by Bayanat Labs. Data from Wikidata, CC0 1.0. https://huggingface.co/datasets/Bayanat-Labs/arab-world-wikidata
الاستخدامات المقصودة
- ربط الكيانات والتعرّف على الكيانات المسمّاة في النصوص العربية: ربط الإشارات بمعرّفات ويكي بيانات عبر التسميات والأسماء البديلة بالعربية والمصرية والمغربية والإنجليزية والفرنسية.
- مطابقة الأسماء وبناء المعاجم الجغرافية للأماكن والمؤسسات والأشخاص المرتبطين بدول جامعة الدول العربية، مع الصيغة الموحّدة لكل تسمية عربية.
- قياس تغطية التسميات العربية في ويكي بيانات حسب الدولة والفئة، والعثور على عناصر كثيرة الروابط ما زالت بلا تسمية عربية.
خارج النطاق
- بناء ملفات تعريفية عن الأفراد: البيانات عن الأشخاص مقتصرة على القليل، وليست معدّة لذلك.
- سجل كامل أو موثّق للعالم العربي: تغطية ويكي بيانات متفاوتة، والشريحة تتبع إفاداتها كما هي.
- الفصل في الحدود أو المناطق المتنازع عليها: يتبع الارتباط إفادات ويكي بيانات، ولا تتخذ Bayanat Labs موقفًا من أي حدود.
الحقوق باختصار
التدريب والعرض وإعادة التوزيع وإنشاء الأصوات الاصطناعية أذونات منفصلة.
| الاستخدام | الحالة | ملاحظة |
|---|---|---|
| التدريب | مسموح | بترخيص CC0 1.0 دون شروط. ولا تُضمَّن صور كومنز، بل أسماء ملفاتها فقط. |
| العرض | مسموح | بترخيص CC0 1.0، ويُستحسن ذكر «البيانات من ويكي بيانات، CC0 1.0» دون أن يكون ذلك شرطًا. |
| إعادة التوزيع | مسموح | البيانات بترخيص CC0 1.0، وشيفرة أداة البناء بترخيص Apache-2.0، والتوثيق في مستودع GitHub بترخيص CC BY 4.0. ولا يشمل ترخيص CC0 1.0 اسم Bayanat Labs وشعارها. |
| الصوت الاصطناعي | لا ينطبق | لا يتضمن ملفات صوتية. |
القيود
- تغطية ويكي بيانات متفاوتة بين الدول والموضوعات، ومؤشر الفجوة يقيس ويكي بيانات لا اللغة العربية. وتثقل مجموعات كبيرة من العناصر المتشابهة، كالمساجد، بعض الإجماليات، ويقسّم إعداد coverage المؤشر حسب الفئة.
- يعتمد الارتباط على الإفادات المعتمدة (truthy)، فتنتقل إلى الشريحة أي إفادات خاطئة أو ناقصة في ويكي بيانات عن البلد أو الموقع الإداري أو الجنسية. وقد يرتبط عنصر في منطقة متنازع عليها بأكثر من دولة، أو بدولة غير التي يتوقعها القارئ، ويبيّن عمود ties المسار الذي ربط كل عنصر بكل دولة.
- أُعدّت قائمة المرشحين في 19 أكتوبر 2026، والقيم من ملف تفريغ 26 أكتوبر 2026: فلا تشمل الشريحة العناصر التي ارتبطت بدولة بين التاريخين، أما المرشحون الغائبون عن ملف التفريغ أو الذين لم يعودوا مرتبطين بدولة فمسرودون في سجلات البناء ومستبعدون.
- الدول الأعضاء الحالية هي نقاط الارتكاز، فلا يُختار عنصر مرتبط بدولة تاريخية فقط. ولا تُحسب التسميات متعددة اللغات عربيةً حتى لو كانت بالحرف العربي.
- لا يُنشر عن الأشخاص إلا عدد قليل من الإفادات، دون محددات أو إحداثيات أو معرّفات. ولا تُنشر الإفادات الخاصة بتواريخ الميلاد والوفاة والدين والأصل العرقي والتوجه الجنسي والحالات الطبية والانتماء الحزبي والعلاقات العائلية، وتُستخدم تواريخ الميلاد لتطبيق حدّ العمر فقط. أما التسميات والأوصاف فمنقولة من ويكي بيانات كما هي، وقد تذكر سنة الميلاد أو سنوات الحياة أو المهنة أو أحد الأقارب.
- ثبّت أداة البناء من GitHub حاليًا، فالحزمة غير موجودة على PyPI بعد.
المصادر والتراخيص
| المصدر | الترخيص | يُعاد توزيعه هنا |
|---|---|---|
| Wikidata JSON dump of 26 October 2026 (wikidata-20261026-all.json.gz) | CC0 1.0 (البيانات المهيكلة في ويكي بيانات) | نعم |
| QLever Wikidata endpoint (University of Freiburg): the candidate list, made on 19 October 2026 | نتائج استعلامات استُخدمت لسرد العناصر المرشحة، وقائمة معرّفات ويكي بيانات في سجلات البناء، أما القيم فمن ملف التفريغ | نعم |
| Wikidata Query Service: two count checks, 19 October 2026 | أعداد استُخدمت لفحص البناء، والاستعلامات ونتائجها في سجلات البناء | لا |
تأتي القيم من ملف تفريغ ويكي بيانات بصيغة JSON بتاريخ 26 أكتوبر 2026 وحده، وقد قُرئ مرة واحدة من مرآة رسمية لويكيميديا (Academic Computer Club في جامعة أوميو) دون تخزينه، وتطابقت قيم التحقق للبايتات المقروءة مع القيم التي تنشرها ويكيميديا. وحُدّد ارتباط كل عنصر بالدول الـ22 من جديد من إفادات ملف التفريغ نفسه. وتشير أسماء ملفات الصور إلى ويكيميديا كومنز، حيث لكل ملف ترخيصه، ولا تُضمَّن أي صورة. تفاصيل المصادر (بالإنجليزية)
طريقة الاستشهاد
صيغة الاستشهاد:
Bayanat Labs (2026). Arab-World Wikidata Slice, version 0.1.0 (Wikidata JSON dump of 2026-10-26). Bayanat Labs. https://huggingface.co/datasets/Bayanat-Labs/arab-world-wikidata
لا يوجد معرّف DOI. استشهد بالرابط الوارد في صيغة الاستشهاد أعلاه وبتاريخ اطلاعك عليه.
@misc{bayanatlabs2026arabworldwikidata,
author = {{Bayanat Labs}},
title = {Arab-World Wikidata Slice, version 0.1.0 (Wikidata JSON dump of 2026-10-26)},
year = {2026},
month = oct,
howpublished = {\url{https://huggingface.co/datasets/Bayanat-Labs/arab-world-wikidata}}
}
كيف نتعامل مع الاستشهاد (بالإنجليزية)
سجل التغييرات
| التاريخ | الإصدار | التغيير |
|---|---|---|
| v0.1.0 | شريحة مبنية من ملف تفريغ ويكي بيانات بصيغة JSON بتاريخ 26 أكتوبر 2026: سبعة إعدادات بصيغة Parquet، مع مؤشر فجوة التسميات العربية لكل دولة وفئة، وأداة البناء على GitHub. |
التصحيح وطلبات الإزالة
إذا وجدت في هذا الإصدار ما لا ينبغي وجوده أو ما يحتاج إلى تصحيح، فراسلنا على hello@bayanatlabs.com. نعالج طلبات الإزالة خلال 30 يومًا، وطلبات المنصات خلال 24 ساعة. كيف تعمل طلبات الإزالة
المنتج المرتبط: Bayanat Knowledge