تحديد الحقول في النماذج العربية من Bayanat Labs
تربط مجموعة تحديد الحقول في النماذج العربية نماذج عربية خيالية أصلية بطلبات تعتمد على الأقسام لاستخراج قيم الحقول ومناطقها الدلالية المستطيلة الكاملة. يضم الإصدار الثابت 1,152 صورة و9,216 صفًا يجمع صورة وسؤالًا، ناتجة عن 864 سياقًا أساسيًا متميزًا للنماذج و6,912 سياقًا أساسيًا للصورة والسؤال قبل إضافة العروض المتناظرة. ويتضمن الإصدار 2,304 أزواج أسئلة متناظرة. وتمتد عائلات التخطيط الهندسي البالغ عددها 24 عبر ستة مجالات خيالية، مع عزل عائلات تخطيط كاملة بين التدريب والتحقق والاختبار. وتشمل الطلبات تسميات مكررة وعلاقات مكانية بحسب المراكز وحالات مربعات الاختيار وحقولًا غائبة وطلبات ملتبسة، مع إجابات مرجعية قابلة للتحقق برمجيًا. وتختبر عروض الأرقام المتناظرة وتبديلات عناوين الأقسام ثبات الإجابة أو تغيّرها تحت تغييرات مضبوطة. جميع النماذج والأسئلة والتوسيمات اصطناعية؛ وتشمل الإطارات منطقتَي تسمية الحقل وقيمته، ولا تمثل حدودًا محكمة للحروف أو الكلمات. وتُتاح الإجابات المرجعية في جميع الأقسام.
| الترخيص | نماذج وصور وتوسيمات ووثائق CC BY 4.0؛ شيفرة Apache-2.0؛ وخطوط Noto غير معدلة بترخيص SIL OFL |
|---|---|
| الإصدار | v0.1.0 · إصدار v0.1.0 ثابت؛ تشير الأعداد وسجلات المصدر وروابط التنزيل ذات الوسم إلى هذه النسخة. |
| تاريخ النشر | |
| آخر تحديث | |
| لمن هذا الإصدار | فحص ربط الحقول العربية بأقسامها وتحديد مناطقها الدلالية والتصريح بغياب الهدف أو التباسه، باستخدام أمثلة اختبار قابلة لإعادة الإنتاج. |
| المستوى | متوسط |
أرقام رئيسية
تُحسب آليًا من الملفات المنشورة. تعرّف قيمة SHA-256 سجل الملفات المعتمد للبيانات الثابتة. ويسرد SHA256SUMS.txt المنشور قيم التحقق للملفات. وتُعاد قراءة الأعداد من نسخة ملف الإحصاءات المطابقة للمصدر، مع قيمة تحقق مستقلة لذلك الملف.
التنزيل والمعرّفات
| المكان | المحتوى |
|---|---|
| Hugging Face | البيانات ذات الإصدار الثابت على Hugging Face |
| Hugging Face | استكشاف أمثلة من الإصدار المنشور |
| GitHub | الشيفرة وأداة التقييم ذات الإصدار الثابت |
| huggingface.co | إحصاءات الإصدار الثابت |
| huggingface.co | قيم التحقق للملفات المنشورة |
| huggingface.co | الحقوق ونسب المواد إلى أصحابها وشروط المصادر |
ابدأ الاستخدام
تحميل مجموعة البيانات الثابتة
from datasets import load_dataset
import json
forms = load_dataset(
'Bayanat-Labs/arabic-form-grounding', 'forms',
split='test', revision='v0.1.0',
)
questions = load_dataset(
'Bayanat-Labs/arabic-form-grounding', 'questions',
split='test', revision='v0.1.0',
)
form = forms[0]
image = form['image'] # Embedded PNG decoded as a PIL image.
elements = json.loads(form['elements_json'])
# Join questions by form_id. Use code/contract.py to exclude gold metadata.ما الذي يتضمنه الإصدار
| الجزء | الترخيص | ضمن الإصدار |
|---|---|---|
| النماذج الخيالية والصور المرسومة والتوسيمات والوثائق الأصلية | CC BY 4.0 | نعم |
| شيفرة الإنشاء والتحقق والتقييم والمستكشف الأصلية | Apache-2.0 | نعم |
| برمجيات خطوط Noto المضمّنة دون تعديل | ترخيص SIL Open Font License 1.1، مع الاحتفاظ بحقوق مشروع Noto الأصلية وقيم تحقق الملفات. | نعم |
صيغة النسبة: Bayanat Labs, Arabic Form Grounding, v0.1.0. https://www.bayanatlabs.com/open/arabic-form-grounding
الاستخدامات المقصودة
- فحص ربط الحقول عندما تتكرر التسمية نفسها تحت عناوين أقسام ظاهرة مختلفة.
- تقييم مناطق الحقول الدلالية الكاملة والعلاقات بين مراكزها ومعالجة الإجابات الغائبة أو الملتبسة.
- إعادة إنتاج فحوص عروض الأرقام وتبديلات عناوين الأقسام، باستخدام أداة تقييم عامة وخطوط أساس واضحة تُزوّد بالتخطيط المرجعي.
خارج النطاق
- اعتبار النماذج المولّدة سجلات عملاء حقيقية أو توسيمات مرجعية أنجزها بشر بصورة مستقلة.
- استخدام مستطيلات الحقول الدلالية كتوسيمات محكمة لحدود الكلمات أو المقاطع أو الأسطر أو الحروف.
- استنتاج دقة التعرّف البصري أو واقعية النماذج الطبيعية أو موثوقية معالجة الوثائق عمومًا أو فائدة التدريب من هذه الأمثلة.
الحقوق باختصار
التدريب والعرض وإعادة التوزيع وإنشاء الأصوات الاصطناعية أذونات منفصلة.
| الاستخدام | الحالة | ملاحظة |
|---|---|---|
| التدريب | مسموح | يجوز استخدام النماذج والتوسيمات الأصلية وفق CC BY 4.0 مع بيان المصدر ونسب المادة إلى أصحابها وبيان التعديلات. وتبقى الشيفرة بترخيص Apache-2.0، وتحتفظ برمجيات الخطوط المعاد توزيعها بإشعارات SIL OFL 1.1 المستقلة. |
| العرض | مسموح | يجوز استخدام النماذج والتوسيمات الأصلية وفق CC BY 4.0 مع بيان المصدر ونسب المادة إلى أصحابها وبيان التعديلات. وتبقى الشيفرة بترخيص Apache-2.0، وتحتفظ برمجيات الخطوط المعاد توزيعها بإشعارات SIL OFL 1.1 المستقلة. |
| إعادة التوزيع | مسموح | يجوز استخدام النماذج والتوسيمات الأصلية وفق CC BY 4.0 مع بيان المصدر ونسب المادة إلى أصحابها وبيان التعديلات. وتبقى الشيفرة بترخيص Apache-2.0، وتحتفظ برمجيات الخطوط المعاد توزيعها بإشعارات SIL OFL 1.1 المستقلة. |
| الصوت الاصطناعي | لا ينطبق | لا يتضمن الإصدار صوتًا أو تسجيلات لمؤدّين أو أذونات لاستخدام الأصوات. |
القيود
- تستخدم جميع المواد لغة اصطناعية مضبوطة وتسميات حقول متكررة ومخطط أقسام مشتركًا. وتغيّر المجالات الستة العناوين والتسميات والخيارات والقيم، ولا تمثل ستة مخططات إجراءات عمل مستقلة.
- تشمل الصور البالغ عددها 1,152 عروضًا متكررة بأرقام عربية هندية وعروضًا بتبديل عناوين الأقسام. ولا تعني أعداد السياقات الأساسية المتميزة استقلالًا إحصائيًا؛ إذ تتكرر القواعد والمخطط ومكونات ترتيب الحقول.
- تُعزل عائلات تخطيط كاملة للتحقق والاختبار. وهذا عزل محدد لترتيب الأقسام؛ وتتكرر المجالات وأنماط ترتيب الحقول بين الأقسام.
- حالات غياب الحقول والتباس التسميات العامة المكررة منتظمة بحكم الإنشاء. وجميع الإجابات المرجعية والمولّد متاحة علنًا. ولا يتضمن الإصدار كتابة يدوية أو تشوهات مسح ضوئي أو مراجعة من متحدّث أصلي أو اعتمادًا لإجراءات العمل من خبير.
- يتفوق خط أساس قائم على القواعد يستخدم احتواء الأقسام على مطابقة التسميات في الاختبار المعزول. ويتلقى كلاهما نصوصًا ومستطيلات وحالات مربعات اختيار دقيقة، ولا يحل أي منهما العلاقات المكانية. ولا تمثل النتائج دقة OCR أو نماذج الرؤية.
المصادر والتراخيص
| المصدر | الترخيص | يُعاد توزيعه هنا |
|---|---|---|
| Bayanat Labs — original fictional fixtures | نماذج وصور وأسئلة وتوسيمات ووثائق اصطناعية أصلية بترخيص CC BY 4.0؛ وشيفرة أصلية بترخيص Apache-2.0. | نعم |
| Noto Project — Arabic and Latin font software | خطوط Noto غير معدلة بترخيص SIL OFL 1.1. وتُحفظ الإشعارات والإصدارات وقيم التحقق الأصلية في سجل مصدر الخطوط؛ وتحمل الصور المرسومة ترخيص CC BY 4.0 المستقل. | نعم |
ألّفت Bayanat Labs النصوص والقيم والطلبات والمخططات الخيالية؛ ولا يتضمن الإصدار صورًا من الأطلس أو نماذج عملاء أو أمثلة من مجموعات تقييم أخرى. وتُرسم المناطق الدلالية بواسطة Pillow مع RAQM وHarfBuzz. وتحتفظ ملفات خطوط Noto غير المعدلة بحقوقها الأصلية وإشعارات OFL وقيم التحقق. وتفحص إجراءات التحقق البرمجية اتساق السؤال مع التخطيط الظاهر وتغطية الخطوط وقيم تحقق الصور وعلاقات العروض المتناظرة؛ ولا تمثل اعتمادًا لتوسيمات بشرية. الإنجليزية هي اللغة الافتراضية للوثائق والواجهة، مع خيار صريح للأسئلة العربية وصفحة شركة عربية اختيارية. تفاصيل المصادر (بالإنجليزية)
طريقة الاستشهاد
صيغة الاستشهاد:
Bayanat Labs (2026). Arabic Form Grounding, v0.1.0. Bayanat Labs. https://www.bayanatlabs.com/open/arabic-form-grounding
لا يوجد معرّف DOI. استشهد بالرابط الوارد في صيغة الاستشهاد أعلاه وبتاريخ اطلاعك عليه.
@misc{bayanatlabs2026arabicformgrounding,
author = {{Bayanat Labs}},
title = {Arabic Form Grounding, v0.1.0},
year = {2026},
month = oct,
howpublished = {\url{https://www.bayanatlabs.com/open/arabic-form-grounding}}
}
كيف نتعامل مع الاستشهاد (بالإنجليزية)
سجل التغييرات
| التاريخ | الإصدار | التغيير |
|---|---|---|
| v0.1.0 | الإصدار الاصطناعي الأصلي الأول: 1,152 صورة نموذج و9,216 صف سؤال، تشمل عروض الأرقام وعناوين الأقسام المتناظرة، مع مناطق حقول دلالية دقيقة وعائلات تخطيط معزولة للاختبار. |
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 Documents