فهرس حقوق مجموعات البيانات العربية من Bayanat Labs
هل يمكن تدريب نموذج تجاري على هذه البيانات العربية؟ هل يمكن مشاركة نسخ منها؟ وهل يشترط ترخيصها المشاركة بالمثل؟ يجيب الفهرس عن ذلك لـ 120 مجموعة بيانات على Hugging Face (أكثر 100 مجموعة تنزيلًا بين المجموعات الموسومة بالعربية، و20 مستودعًا آخر في مجموعات من النسخ المعروفة) انطلاقًا من الترخيص المُعلَن وبقواعد مدقّق التراخيص من Bayanat Labs، ومما تقوله بطاقة البيانات عن قيود الاستخدام، ويضيف ما تقوله البطاقة عن الشروط الإضافية والمصادر الأصلية والبيانات الشخصية وشروط الوصول. وإذا قصرت البطاقة الاستخدام على البحث أو الاستخدام غير التجاري أو الشخصي، أو قالت إن البيانات الأصلية تحتفظ بتراخيصها، يصبح الجواب الذي كان سيسمح غير محسوم. ويربط الفهرس كذلك المستودعات التي تحمل نسخًا من البيانات نفسها، وينبّه إلى النسخ التي تعلن تراخيص مختلفة. ويقتبس كل جواب دليله مع السطر والإيداع المقروء وتاريخ الاسترجاع. قُيّمت الأجوبة من الترخيص المُعلَن ونص البطاقة في 19 أكتوبر 2026، وهي ليست استشارة قانونية، فراجع شروط المصدر.
| الترخيص | CC BY 4.0 للأحكام والتنبيهات والملاحظات والتوثيق، وCC0 1.0 لحقائق البيانات الوصفية من Hub، وApache-2.0 للشيفرة، ويبقى نص البطاقات المقتبس خاضعًا لشروط أصحابه |
|---|---|
| الإصدار | v0.1.0 · الفهرس والشيفرة v0.1.0، وقد قُيّم في 19 أكتوبر 2026، والشيفرة موسومة على GitHub وغير موجودة على PyPI بعد. |
| تاريخ النشر | |
| آخر تحديث | |
| لمن هذا الإصدار | الفرق التي تختار بيانات تدريب أو تقييم عربية من Hugging Face وتحتاج إلى أن ترى، قبل استخدام أي مجموعة، ما يقوله ترخيصها المُعلَن عن التدريب التجاري وإعادة التوزيع، وما تقوله بطاقتها عن الشروط الإضافية والبيانات الشخصية، وهل تتفق نسخها. |
| المستوى | مبتدئ |
أرقام رئيسية
تُحسب آليًا من الملفات المنشورة. يُقرأ كل رقم من ملف stats.json في مجموعة البيانات على Hugging Face ويُربط بقيمة SHA-256 للملف، ويسرد ملف MANIFEST.json كل الملفات مع قيمها.
التنزيل والمعرّفات
| المكان | المحتوى |
|---|---|
| Hugging Face | ابحث في الفهرس |
| bayanatlabs.com | هل يمكنني استخدام هذه البيانات العربية؟ |
| Hugging Face | مجموعة البيانات على Hugging Face |
| huggingface.co | جدول الأحكام (CSV) |
| huggingface.co | جدول الأدلة (CSV) |
| GitHub | الشيفرة والمنهجية على GitHub |
| GitHub | كيف تُحسب الأجوبة |
ابدأ الاستخدام
حمّل الجداول بمكتبة datasets، أو ثبّت أداة سطر الأوامر من GitHub عند وسم الإصدار v0.1.0 للبحث عن مجموعة بيانات، ولإعادة بناء الفهرس ثبّتها من نسخة مستنسخة من المستودع، ففيها إعدادات البحث. والحزمة غير موجودة على PyPI بعد.
# Python
from datasets import load_dataset
verdicts = load_dataset("Bayanat-Labs/arabic-dataset-rights-index", "verdicts", split="train")
evidence = load_dataset("Bayanat-Labs/arabic-dataset-rights-index", "evidence", split="train")
# Look a dataset up
pip install "git+https://github.com/Bayanat-Labs/arabic-dataset-rights-index@v0.1.0"
hf download Bayanat-Labs/arabic-dataset-rights-index --repo-type dataset --local-dir rights-index
bl-rights lookup rights-index pain/MASC
# Rebuild the index from a clone
git clone --branch v0.1.0 https://github.com/Bayanat-Labs/arabic-dataset-rights-index && cd arabic-dataset-rights-index && pip install .
bl-rights harvest --config config/search.yaml --raw raw/
bl-rights build --config config/search.yaml --raw raw/ --out build/ما الذي يتضمنه الإصدار
| الجزء | الترخيص | ضمن الإصدار |
|---|---|---|
| الأحكام والتنبيهات والملاحظات ومجموعات النسخ (Parquet وCSV) | CC BY 4.0 | نعم |
| حقائق البيانات الوصفية من Hub: معرّفات المستودعات والروابط والإيداعات والأعداد ووسوم التراخيص المُعلَنة وأسماء الملفات والتواريخ | CC0 1.0 | نعم |
| اقتباسات قصيرة من بطاقات البيانات وملفات التراخيص | يبقى كل اقتباس خاضعًا لشروط صاحبه، ويرتبط بسطره عند الإيداع المقروء | نعم |
| أداة البناء وسطر الأوامر (الجمع والبناء والبحث)، لـ Python 3.10 أو أحدث | Apache-2.0 | نعم |
| صفحة البحث على Hugging Face Spaces، بالإنجليزية والعربية | Apache-2.0 | نعم |
| خط IBM Plex Sans Arabic في صفحة البحث، دون تعديل (SIL Open Font License 1.1) | SIL Open Font License، وحقوق النشر لشركة IBM | نعم |
صيغة النسبة: Arabic Dataset Rights Index by Bayanat Labs, CC BY 4.0 (verdicts, flags and notes). https://huggingface.co/datasets/Bayanat-Labs/arabic-dataset-rights-index
الاستخدامات المقصودة
- التحقق، قبل استخدام مجموعة بيانات عربية من Hugging Face، مما يقوله ترخيصها المُعلَن عن التدريب التجاري وإعادة التوزيع والمشاركة بالمثل، مع الأدلة المقتبسة.
- العثور على نسخ مجموعة البيانات على Hub ومعرفة هل تعلن الترخيص نفسه.
- عدّ التراخيص وتنبيهات البطاقات في مجموعات البيانات العربية الشائعة، مع ذكر الإصدار وتاريخ التقييم.
خارج النطاق
- الإجازة القانونية: الأجوبة معلومات، وليست استشارة قانونية.
- حسم الحقوق في البيانات نفسها: يقرأ الفهرس الترخيص المُعلَن والبطاقة، لا المصادر التي بُنيت منها مجموعة البيانات.
الحقوق باختصار
التدريب والعرض وإعادة التوزيع وإنشاء الأصوات الاصطناعية أذونات منفصلة.
| الاستخدام | الحالة | ملاحظة |
|---|---|---|
| التدريب | مسموح | الأحكام والتنبيهات والملاحظات بترخيص CC BY 4.0 مع نسبتها إلى المصدر، وحقائق البيانات الوصفية بترخيص CC0 1.0. ويبقى نص البطاقات المقتبس خاضعًا لشروط أصحابه. |
| العرض | مسموح | بترخيص CC BY 4.0 مع نسبتها إلى المصدر، مع إبقاء كل اقتباس مرتبطًا بمصدره. |
| إعادة التوزيع | مسموح | الأحكام والملاحظات بترخيص CC BY 4.0، وحقائق البيانات الوصفية بترخيص CC0 1.0، والشيفرة بترخيص Apache-2.0، والخط المرفق بترخيص SIL Open Font License، وتبقى الاقتباسات خاضعة لشروط أصحابها. |
| الصوت الاصطناعي | لا ينطبق | بيانات وصفية فقط، دون ملفات صوتية. |
القيود
- تخص الأجوبة الترخيص المُعلَن والبطاقة، وقد تحمل مجموعة بيانات مبنية من مصادر لها شروطها ترخيصًا لا تسمح به تلك المصادر.
- تُحسب الأحكام بقواعد ثابتة ولا تُراجع واحدًا واحدًا، ويؤدي وسم ترخيص خاطئ أو مفقود على Hub إلى جواب خاطئ هنا.
- يُوصف الترخيص المُعلَن الذي لا تغطيه القواعد بأنه غير مشمول، ويكون الجواب غير محسوم. ولا تُفتح المجموعات المقيّدة الوصول.
- تُستخرج عبارات البطاقات، ومنها قيود الاستخدام، بأنماط ثابتة، فقد يفوت بعضها وقد لا يخص بعض الاقتباسات مجموعة البيانات نفسها، ولذلك يرتبط كل اقتباس بسطره ليمكن التحقق منه.
- تُربط النسخ بالملفات المتطابقة أو إشارات البطاقات أو الصفحة الرئيسية أو الورقة البحثية المشتركة، ولا يُعثر على النسخ التي تغيّرت ملفاتها دون رابط مشترك.
- تتغير أعداد التنزيل والتراخيص، ويسجّل كل صف الإيداع ووقت قراءته. ثبّت الشيفرة من GitHub حاليًا، فالحزمة غير موجودة على PyPI بعد.
المصادر والتراخيص
| المصدر | الترخيص | يُعاد توزيعه هنا |
|---|---|---|
| Hugging Face Hub: public dataset metadata, dataset cards and licence files | تُسجَّل حقائق البيانات الوصفية بترخيص CC0 1.0، ويُقتبس نص البطاقات والتراخيص في مقاطع قصيرة تبقى خاضعة لشروط أصحابها | نعم |
| Dataset Licence Compatibility Checker (license-check) 0.1.0, rules version 2026.10.19 | Apache-2.0 للشيفرة، وCC BY 4.0 للقواعد | لا |
يُحسب كل حكم من الترخيص المُعلَن على Hub بقواعد مدقّق التراخيص، ويكون غير محسوم إذا قيّدت البطاقة الاستخدام أو قالت إن البيانات الأصلية تحتفظ بتراخيصها، ويشير كل تنبيه إلى سطر مقتبس من البطاقة أو ملف الترخيص عند الإيداع المقروء مع وقت الاسترجاع. وفُصل بين الطلبات إلى Hub بثانية واحدة على الأقل، وحملت وكيل المستخدم الخاص بالبيانات المفتوحة من Bayanat Labs، ولم تُفتح المجموعات المقيّدة الوصول ولم يُنزَّل أي ملف بيانات. تفاصيل المصادر (بالإنجليزية)
طريقة الاستشهاد
صيغة الاستشهاد:
Bayanat Labs (2026). Arabic Dataset Rights Index, version 0.1.0, assessed 2026-10-19. Bayanat Labs. https://huggingface.co/datasets/Bayanat-Labs/arabic-dataset-rights-index
لا يوجد معرّف DOI. استشهد بالرابط الوارد في صيغة الاستشهاد أعلاه وبتاريخ اطلاعك عليه.
@misc{bayanatlabs2026arabicdatasetrights,
author = {{Bayanat Labs}},
title = {Arabic Dataset Rights Index, version 0.1.0, assessed 2026-10-19},
year = {2026},
month = oct,
howpublished = {\url{https://huggingface.co/datasets/Bayanat-Labs/arabic-dataset-rights-index}}
}
كيف نتعامل مع الاستشهاد (بالإنجليزية)
سجل التغييرات
| التاريخ | الإصدار | التغيير |
|---|---|---|
| v0.1.0 | فهرس 120 مجموعة بيانات على Hugging Face (أعلى 100 بين الموسومة بالعربية ونسخ معروفة)، قُيّم في 19 أكتوبر 2026، مع صفحة البحث على Hugging Face Spaces، والشيفرة والمنهجية 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