الكتب العربية المفتوحة من Bayanat Labs
كتب عربية من منشورات مؤسسة هنداوي، مأخوذة من «مدونة الكتب الإلكترونية العربية» لأندرياس هالبرغ، ومعاد بناؤها في فصول: 1,545 كتابًا من 1,745 كتابًا في المدونة، وأكثر من أربعة وخمسين مليون كلمة من المتن. فُصلت الصفحات التمهيدية وصفحات الترخيص، واستُخرجت الحواشي مع مواضعها، وفي كل صف من البيانات سطر نسبة ونص الترخيص كما ورد في الكتاب، وفي صفوف الفصول والكتب نص خام وآخر مطبَّع. وقُرئ بيان كل كتاب، ولم يُدرج إلا ما يسمح بيانه بذلك. وفي كتب كثيرة يغطي بيان CC BY التصميم، ويقوم النص على بيان الناشر بأنه في الملك العام، وتختلف مدد الحماية من بلد إلى آخر، فراجع قانون بلدك. البيانات بترخيص CC BY 4.0، وشيفرة أداة البناء بترخيص Apache-2.0.
| الترخيص | CC BY 4.0 للبيانات ونص الصفحة، مع حقوق كل كتاب كما يذكرها بيانه، وApache-2.0 لشيفرة أداة البناء |
|---|---|
| الإصدار | v0.1.0 · مبني من مدونة الكتب الإلكترونية العربية، الإصدار 1، وقُرئت البيانات في 2026-11-04، وأداة البناء موسومة بالإصدار v0.1.0 على GitHub وغير منشورة على PyPI. |
| تاريخ النشر | |
| آخر تحديث | |
| لمن هذا الإصدار | الفرق والباحثون العاملون على نماذج اللغة العربية أو قراءة المستندات الطويلة أو التلخيص، ويريدون كتبًا حديثة كاملة بفصولها، مع الأسماء ونص الترخيص الخاص بكل كتاب. |
| المستوى | متوسط |
أرقام رئيسية
تُحسب آليًا من الملفات المنشورة. يُقرأ كل رقم من الملف stats/stats.json أو من ملف في مجلد qa من مجموعة البيانات على Hugging Face عند المراجعة 39876c0e7f28c2d16887c7c139800e0df9f87263، ويُربط ببصمة SHA-256 للملف. والشيفرة عند الوسم v0.1.0، الإيداع 259f92797634829a0b7c9d0186305df65ae43ded. ويسرد ملف MANIFEST.json الإعدادات وملفاتها، ويعطي ملف البصمات في مجموعة البيانات بصمة SHA-256 لكل ملف.
التنزيل والمعرّفات
| المكان | المحتوى |
|---|---|
| Hugging Face | البيانات على Hugging Face |
| GitHub | أداة البناء على GitHub |
| huggingface.co | الأعداد (stats.json) |
| huggingface.co | مقارنة النص (text_comparison.json) |
| huggingface.co | إعادة قراءة الترخيص (licence_recheck.json) |
| huggingface.co | فحص القراءة (reading_check.json) |
| huggingface.co | المصادر والتراخيص (LICENSE-sources.md) |
| bayanatlabs.com | أعمال ويكي مصدر العربية في الملك العام، منشورة منفصلة |
| bayanatlabs.com | arabic-normalize، السياسة التي يقوم عليها النص المطبَّع |
ابدأ الاستخدام
حمّل أحد الإعدادات بمكتبة datasets. وتُثبَّت أداة البناء من GitHub عند وسم الإصدار v0.1.0، فالحزمة غير منشورة على PyPI.
from datasets import load_dataset
chapters = load_dataset("Bayanat-Labs/open-arabic-books", "chapters", split="train")
books = load_dataset("Bayanat-Labs/open-arabic-books", "books", split="train")
metadata = load_dataset("Bayanat-Labs/open-arabic-books", "metadata", split="train")
pip install "git+https://github.com/Bayanat-Labs/open-arabic-books@v0.1.0"ما الذي يتضمنه الإصدار
| الجزء | الترخيص | ضمن الإصدار |
|---|---|---|
| chapters (Parquet): فصل أو مقدمة أو ملحق أو قسم مشابه في كل صف، مع النص الخام والمطبَّع والحواشي وسطر النسبة ونص الترخيص | CC BY 4.0 | نعم |
| books (Parquet): كتاب كامل في كل صف، مع النص والحواشي والصفحات التمهيدية وصفحة الترخيص | CC BY 4.0 | نعم |
| metadata (Parquet): كتاب في كل صف دون نصه: الأسماء والتواريخ والتصنيفات وأدلة الترخيص وبصمة المصدر | CC BY 4.0 | نعم |
| الأعداد في مجلد stats والفحوص في مجلد qa، مع قائمة الملفات وقيم التحقق | CC BY 4.0 | نعم |
| شيفرة أداة البناء على GitHub، ولا يضم المستودع نصًا من أي كتاب | Apache-2.0 | نعم |
| نص هذه الصفحة | CC BY 4.0 | نعم |
صيغة النسبة: Authors, translators, editors, compilers and foreword writers as each book credits them; Hindawi Foundation, publisher; Andreas Hallberg, The Arabic E-Book Corpus, version 1, University of Gothenburg, 2024, https://doi.org/10.5878/7rbh-gy93, CC BY 4.0; processed by Bayanat Labs, Open Arabic Books, https://huggingface.co/datasets/Bayanat-Labs/open-arabic-books.
الاستخدامات المقصودة
- قراءة كتب عربية كاملة أو معالجتها بفصولها، مع فصل الحواشي وربطها بمواضعها.
- بناء بيانات لنماذج اللغة أو التلخيص، بعد مراجعة بيان الحقوق وفق قانون بلدك.
- التصفية بقرار الترخيص وحالة النص الأصلي والتصنيف لكل كتاب عبر إعداد metadata.
خارج النطاق
- عدّ بيان الناشر بشأن الملك العام مشورة قانونية أو أمرًا محسومًا في بلدك: فمدد حماية حق المؤلف تختلف من بلد إلى آخر.
- إعادة استخدام النص دون نسبة: استخدم سطر النسبة في كل صف أو سلسلة النسبة في هذه الصفحة.
- عدّ الإصدار مرتبطًا بمؤسسة هنداوي أو أندرياس هالبرغ أو جامعة غوتنبرغ أو مؤيدًا منهم: فهو ليس كذلك.
الحقوق باختصار
التدريب والعرض وإعادة التوزيع وإنشاء الأصوات الاصطناعية أذونات منفصلة.
| الاستخدام | الحالة | ملاحظة |
|---|---|---|
| التدريب | مسموح | البيانات بترخيص CC BY 4.0 مع النسبة. وفي كتب كثيرة يغطي بيان CC BY التصميم، ويقوم النص على بيان الناشر بأنه في الملك العام، وتختلف مدد الحماية من بلد إلى آخر، فراجع قانون بلدك. |
| العرض | مسموح | مع النسبة: المؤلفون وغيرهم كما يذكرهم كل كتاب، ومؤسسة هنداوي ناشرةً، ومدونة أندرياس هالبرغ، وBayanat Labs. |
| إعادة التوزيع | مسموح | البيانات بترخيص CC BY 4.0 مع النسبة نفسها، والشيفرة بترخيص Apache-2.0. ولا تشمل الأغلفة والصور. ولا تُمنح حقوق في العلامات التجارية، ولا يُفهم من ذلك تأييد أي جهة مذكورة هنا. |
| الصوت الاصطناعي | لا ينطبق | لا يتضمن ملفات صوتية. |
القيود
- النطاق: 1,545 كتابًا من 1,745 كتابًا في المدونة. أما الـ200 الباقية فليست في هذا الإصدار: في 187 ترجمة لا يذكر البيان ترخيص الترجمة العربية، وفي 12 كتابًا يذكر ترخيصًا آخر أو حقوقًا محفوظة، وفي 1 كتاب يخالف ترخيص المؤلف نفسه بيان الملك العام.
- ما يغطيه ترخيص CC BY 4.0: قُرئ بيان كل كتاب من ملف المدونة. في 1,212 كتابًا ينص على أن النص العربي الأصلي في الملك العام وأن تصميم الكتاب بترخيص CC BY 4.0، فبيان CC BY يغطي التصميم، ويقوم النص على بيان الناشر بأنه في الملك العام. وفي 332 كتابًا مترجمًا ينص على أن الترجمة العربية والتصميم بترخيص CC BY 4.0 وأن النص الأصلي في الملك العام، وفي 1 كتاب ينص على أن النص الأصلي بترخيص CC BY 3.0. ويقتبس كل صف النص في الحقل license_quote.
- عبارة «الملك العام» هي بيان الناشر في الكتاب. وتختلف مدد حماية حق المؤلف من بلد إلى آخر، وقد توفي كثير من هؤلاء المؤلفين خلال السبعين سنة الماضية: تُظهر سنوات الوفاة في ويكي بيانات 356 كتابًا توفي مؤلفه المطابَق بعد سنة ألف وتسعمئة وخمس وخمسين، وكثير من المؤلفين بلا مطابقة. وبعض الأعمال حديثة بما يكفي لتظل محمية حيث تُحسب المدة من تاريخ النشر. فراجع قانون بلدك قبل الاعتماد على ذلك.
- حيث يذكر البيان أن النص الأصلي في الملك العام وسنة المدونة حديثة، قُرئ الكتاب مع سنة وفاة المؤلف حيث عُرفت، وأُبقي على 169 كتابًا من هذا النوع.
- الوسيط لاسترجاع الكلمات مقارنة بالنسخة النصية من المدونة 0.9995، وأدناه 0.973. وأعاد فحص منفصل قراءة كل بصمة ملف مصدر وكل اقتباس ترخيص، فكانت حالات عدم التطابق 0. وقُرئت عينات من 100 كتاب عشوائي، وهو فحص بالعينة لا تدقيق كامل، وكانت حدود الفصول صحيحة في 100. ولم تُفحص الأخطاء الإملائية وأخطاء التحويل داخل الفصول خارج العينات.
- لا تدخل الصور وأشكال SVG، ومنها المعادلات المرسومة بصيغة SVG، في النص، وتحصي الأعمدة ما تُرك. وتُعلَّم الفصول المكررة ولا تُحذف.
- قيم المدونة، مثل المؤلف الأصلي والسنة والعنوان، هي قيمها كما هي، بأخطائها المطبعية وسنواتها الغريبة.
- تذكر بيانات الكتب أشخاصًا، بعضهم أحياء، ولا يظهرون إلا كما يذكرهم الكتاب. لطلب تصحيح اسم أو سجل أو حذفه: hello@bayanatlabs.com.
المصادر والتراخيص
| المصدر | الترخيص | يُعاد توزيعه هنا |
|---|---|---|
| The Arabic E-Book Corpus, Andreas Hallberg, University of Gothenburg, version 1, 2024; books published by the Hindawi Foundation | CC BY 4.0، وطابقت الملفات قيم SHA-256 في السجل الرسمي. ويذكر بيان كل كتاب حقوقه، ويُقتبس في الحقل license_quote | نعم |
| Wikidata, for identifiers and death years | CC0 1.0 | نعم |
النسبة: المؤلفون والمترجمون والمحققون والجامعون وكتّاب التقديم كما وردت أسماؤهم في كل كتاب؛ مؤسسة هنداوي، الناشر؛ أندرياس هالبرغ، The Arabic E-Book Corpus؛ معالجة Bayanat Labs، التي قسمت الكتب إلى فصول وفصلت الصفحات التمهيدية وصفحات الترخيص والحواشي وطبّعت النص وأضافت المعرّفات. لا صلة لهذا الإصدار بمؤسسة هنداوي أو أندرياس هالبرغ أو جامعة غوتنبرغ، ولا يعني تأييدًا منهم. والكتب التي خرجت من الإصدار مدرجة مع السبب في مجلد qa من مجموعة البيانات. تفاصيل المصادر (بالإنجليزية)
طريقة الاستشهاد
صيغة الاستشهاد:
Bayanat Labs (2026). Open Arabic Books, version 0.1.0 (from The Arabic E-Book Corpus, version 1, Hallberg, 2024). Bayanat Labs. https://huggingface.co/datasets/Bayanat-Labs/open-arabic-books
لا يوجد معرّف DOI. استشهد بالرابط الوارد في صيغة الاستشهاد أعلاه وبتاريخ اطلاعك عليه.
@misc{bayanatlabs2026openarabicbooks,
author = {{Bayanat Labs}},
title = {Open Arabic Books, version 0.1.0 (from The Arabic E-Book Corpus, version 1, Hallberg, 2024)},
year = {2026},
month = nov,
howpublished = {\url{https://huggingface.co/datasets/Bayanat-Labs/open-arabic-books}}
}
كيف نتعامل مع الاستشهاد (بالإنجليزية)
سجل التغييرات
| التاريخ | الإصدار | التغيير |
|---|---|---|
| v0.1.0 | الفصول والكتب والبيانات الوصفية على Hugging Face، مع الأعداد والفحوص، 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