المعجم الجغرافي العربي من Bayanat Labs

Arabic gazetteer Arabic place names Arabic geocoding toponym matching GeoNames Arabic

أرقام رئيسية

تُحسب آليًا من الملفات المنشورة. يُقرأ كل رقم من ملف meta/stats.json أو meta/baseline.json أو meta/validation.json في مجموعة البيانات على Hugging Face (والملفات نفسها في المجلد results/v0.1.0/ في مستودع GitHub) ويُربط بقيمة SHA-256 للملف، ويسرد ملف MANIFEST.json كل الملفات مع أحجامها وقيم SHA-256 لها.

التنزيل والمعرّفات

ابدأ الاستخدام

حمّل أحد الجداول بمكتبة datasets. ولإعادة بناء المعجم، ثبّت أداة البناء من GitHub عند وسم الإصدار v0.1.0، فالحزمة غير موجودة على PyPI بعد. وتثبّت أوامر إعادة البناء شريحة ويكي بيانات للعالم العربي على المراجعة 6e1295970ec41247d421e4843227f724ae8de32b، وهي التي بُني منها هذا الإصدار، ويتحقق أمر البناء من ملفات الشريحة التي يقرؤها مقابل بصمات SHA-256 المنشورة معها، ويتوقف إذا اختلف أحدها. وتنشر GeoNames ملفات جديدة كل يوم، لذا تعطي إعادة البناء جداول مختلفة بعض الشيء.

# Python
from datasets import load_dataset
places = load_dataset("Bayanat-Labs/arabic-gazetteer", "places", split="train")
names = load_dataset("Bayanat-Labs/arabic-gazetteer", "names", split="train")
test = load_dataset("Bayanat-Labs/arabic-gazetteer", "match_examples", split="test")

# Rebuild
pip install "git+https://github.com/Bayanat-Labs/arabic-gazetteer@v0.1.0"
arabic-gazetteer fetch-geonames geonames/
hf download Bayanat-Labs/arab-world-wikidata --repo-type dataset --revision 6e1295970ec41247d421e4843227f724ae8de32b --local-dir slice/
arabic-gazetteer build --geonames geonames/ --wikidata slice/ --out release/ \
    --geonames-date 2026-10-30 --wikidata-date 2026-10-26 --wikidata-slice-revision 6e1295970ec41247d421e4843227f724ae8de32b

ما الذي يتضمنه الإصدار

صيغة النسبة: Arabic Gazetteer by Bayanat Labs, CC BY 4.0. Contains data from GeoNames (https://www.geonames.org), licensed under CC BY 4.0, and from Wikidata (CC0 1.0). https://huggingface.co/datasets/Bayanat-Labs/arabic-gazetteer

الاستخدامات المقصودة

• مطابقة نص موقع مكتوب بالعربية أو بالحروف اللاتينية، مثل مدينة في نموذج أو عنوان عميل، مع مكان واحد ووحداته الإدارية.
• تدريب أنظمة مطابقة أسماء الأماكن واختبارها على أمثلة المطابقة، مع أماكن تحمل الاسم نفسه للتمييز وتقسيم ثابت حسب الوحدة الإدارية الأولى.
• البحث عن صيغ اسم مكان بالعربية وبالحروف اللاتينية والوحدات الإدارية التي يتبعها، لأغراض البحث أو ربط الكيانات أو تنظيف البيانات.

خارج النطاق

• الفصل في الأسماء أو الحدود: تتبع الأسماء والحدود ورموز الدول مصادرها كما وردت.
• تحديد المواقع على مستوى الشارع: يضم المعجم الأماكن والوحدات الإدارية، لا الشوارع أو المباني.

الحقوق باختصار

التدريب والعرض وإعادة التوزيع وإنشاء الأصوات الاصطناعية أذونات منفصلة.

القيود

• يحرر GeoNames وويكي بيانات أشخاص كثيرون، وفيهما أخطاء: أسماء خاطئة أو قديمة، وإحداثيات في غير موضعها، ومعالم مكررة، وروابط خاطئة. ولم يراجع أشخاص هذه السجلات، وتُقدَّم البيانات كما هي.
• التغطية متفاوتة: لا تُضمَّن الأماكن التي ليس لها اسم عربي في GeoNames أو ويكي بيانات، ونسبة معالم GeoNames التي لها اسم عربي أدناها في السودان وأعلاها في قطر.
• كثيرًا ما تبقى المستويات الإدارية الأدنى غير محددة في GeoNames، فتُترك فارغة ولا تُخمَّن.
• وُلّدت أمثلة المطابقة بقواعد ثابتة من الأسماء الموجودة في الإصدار، ولم يصنّف أشخاص أيًا منها.
• العلامات مثل الدارج أو التاريخي هي علامات المصادر، وليست دليلًا على اللهجة أو الحقبة، وأعداد السكان مأخوذة من المصادر وقد تكون قديمة.
• تتبع الأسماء والحدود ورموز الدول مصادرها كما وردت، ولا تتخذ Bayanat Labs موقفًا من أي حدود. وثبّت أداة البناء من GitHub حاليًا، فالحزمة غير موجودة على PyPI بعد.

المصادر والتراخيص

نُزّلت ملفات GeoNames من خادم التصدير لديها بمعرّف Bayanat Labs للبيانات المفتوحة، طلبًا واحدًا في كل مرة وبفاصل يزيد على ثانية، ويُسجَّل لكل ملف تاريخ آخر تعديل وحجمه وبصمة SHA-256 في ملف meta/build.json. وتأتي تسميات ويكي بيانات وأسماؤها البديلة وفئاتها وسلاسل التبعية المكانية ومعرّفات GeoNames من شريحة ويكي بيانات للعالم العربي. وتذكر GeoNames أن بياناتها تُقدَّم كما هي دون ضمان لدقتها أو حداثتها أو اكتمالها. ومن مجموعات البيانات ذات الصلة من Bayanat Labs، والمرتبطة في قسم التنزيل والمعرّفات: شريحة ويكي بيانات للعالم العربي، وهي عناصر ويكي بيانات المرتبطة بالدول الـ22 التي يقرؤها هذا المعجم؛ وأطلس أماكن العالم العربي، وفيه نقاط الاهتمام والشوارع والمناطق الإدارية المبنية من Overture Maps وOpenStreetMap، دون المجموعات الإملائية لكل مكان وأمثلة المطابقة الموجودة في هذا المعجم؛ وArabic Entity Atlas، وفيه الأسماء العربية والأسماء البديلة لكيانات ويكي بيانات من كل الأنواع، مرتبطة بمعرّفاتها في ويكي بيانات وغير مقصورة على الأماكن. تفاصيل المصادر (بالإنجليزية)

طريقة الاستشهاد

صيغة الاستشهاد:

Bayanat Labs (2026). Arabic Gazetteer, version 0.1.0 (GeoNames files of 2026-10-30; Wikidata dump of 2026-10-26). Bayanat Labs. https://huggingface.co/datasets/Bayanat-Labs/arabic-gazetteer

• ملف CITATION.cff

لا يوجد معرّف DOI. استشهد بالرابط الوارد في صيغة الاستشهاد أعلاه وبتاريخ اطلاعك عليه.

@misc{bayanatlabs2026arabicgazetteer,
  author       = {{Bayanat Labs}},
  title        = {Arabic Gazetteer, version 0.1.0 (GeoNames files of 2026-10-30; Wikidata dump of 2026-10-26)},
  year         = {2026},
  month        = oct,
  howpublished = {\url{https://huggingface.co/datasets/Bayanat-Labs/arabic-gazetteer}}
}

كيف نتعامل مع الاستشهاد (بالإنجليزية)

سجل التغييرات

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 Search