example1
stringclasses
35 values
example2
stringclasses
49 values
query
stringclasses
35 values
answer
stringclasses
49 values
الجزائر
الجزائر
المنامة
البحرين
الجزائر
الجزائر
جيبوتي
جيبوتي
الجزائر
الجزائر
القاهرة
مصر
الجزائر
الجزائر
بغداد
العراق
الجزائر
الجزائر
عمان
الأردن
الجزائر
الجزائر
الكويت
الكويت
الجزائر
الجزائر
بيروت
لبنان
الجزائر
الجزائر
طرابلس
ليبيا
الجزائر
الجزائر
نواكشوط
موريتانيا
الجزائر
الجزائر
الرباط
المغرب
الجزائر
الجزائر
مسقط
عمان
الجزائر
الجزائر
القدس
فلسطين
الجزائر
الجزائر
الدوحة
قطر
الجزائر
الجزائر
الرياض
السعودية
الجزائر
الجزائر
مقديشو
الصومال
الجزائر
الجزائر
الخرطوم
السودان
الجزائر
الجزائر
دمشق
سوريا
الجزائر
الجزائر
تونس
تونس
الجزائر
الجزائر
صنعاء
اليمن
المنامة
البحرين
الجزائر
الجزائر
المنامة
البحرين
جيبوتي
جيبوتي
المنامة
البحرين
القاهرة
مصر
المنامة
البحرين
بغداد
العراق
المنامة
البحرين
عمان
الأردن
المنامة
البحرين
الكويت
الكويت
المنامة
البحرين
بيروت
لبنان
المنامة
البحرين
طرابلس
ليبيا
المنامة
البحرين
نواكشوط
موريتانيا
المنامة
البحرين
الرباط
المغرب
المنامة
البحرين
مسقط
عمان
المنامة
البحرين
القدس
فلسطين
المنامة
البحرين
الدوحة
قطر
المنامة
البحرين
الرياض
السعودية
المنامة
البحرين
مقديشو
الصومال
المنامة
البحرين
الخرطوم
السودان
المنامة
البحرين
دمشق
سوريا
المنامة
البحرين
تونس
تونس
المنامة
البحرين
صنعاء
اليمن
جيبوتي
جيبوتي
الجزائر
الجزائر
جيبوتي
جيبوتي
المنامة
البحرين
جيبوتي
جيبوتي
القاهرة
مصر
جيبوتي
جيبوتي
بغداد
العراق
جيبوتي
جيبوتي
عمان
الأردن
جيبوتي
جيبوتي
الكويت
الكويت
جيبوتي
جيبوتي
بيروت
لبنان
جيبوتي
جيبوتي
طرابلس
ليبيا
جيبوتي
جيبوتي
نواكشوط
موريتانيا
جيبوتي
جيبوتي
الرباط
المغرب
جيبوتي
جيبوتي
مسقط
عمان
جيبوتي
جيبوتي
القدس
فلسطين
جيبوتي
جيبوتي
الدوحة
قطر
جيبوتي
جيبوتي
الرياض
السعودية
جيبوتي
جيبوتي
مقديشو
الصومال
جيبوتي
جيبوتي
الخرطوم
السودان
جيبوتي
جيبوتي
دمشق
سوريا
جيبوتي
جيبوتي
تونس
تونس
جيبوتي
جيبوتي
صنعاء
اليمن
القاهرة
مصر
الجزائر
الجزائر
القاهرة
مصر
المنامة
البحرين
القاهرة
مصر
جيبوتي
جيبوتي
القاهرة
مصر
بغداد
العراق
القاهرة
مصر
عمان
الأردن
القاهرة
مصر
الكويت
الكويت
القاهرة
مصر
بيروت
لبنان
القاهرة
مصر
طرابلس
ليبيا
القاهرة
مصر
نواكشوط
موريتانيا
القاهرة
مصر
الرباط
المغرب
القاهرة
مصر
مسقط
عمان
القاهرة
مصر
القدس
فلسطين
القاهرة
مصر
الدوحة
قطر
القاهرة
مصر
الرياض
السعودية
القاهرة
مصر
مقديشو
الصومال
القاهرة
مصر
الخرطوم
السودان
القاهرة
مصر
دمشق
سوريا
القاهرة
مصر
تونس
تونس
القاهرة
مصر
صنعاء
اليمن
بغداد
العراق
الجزائر
الجزائر
بغداد
العراق
المنامة
البحرين
بغداد
العراق
جيبوتي
جيبوتي
بغداد
العراق
القاهرة
مصر
بغداد
العراق
عمان
الأردن
بغداد
العراق
الكويت
الكويت
بغداد
العراق
بيروت
لبنان
بغداد
العراق
طرابلس
ليبيا
بغداد
العراق
نواكشوط
موريتانيا
بغداد
العراق
الرباط
المغرب
بغداد
العراق
مسقط
عمان
بغداد
العراق
القدس
فلسطين
بغداد
العراق
الدوحة
قطر
بغداد
العراق
الرياض
السعودية
بغداد
العراق
مقديشو
الصومال
بغداد
العراق
الخرطوم
السودان
بغداد
العراق
دمشق
سوريا
بغداد
العراق
تونس
تونس
بغداد
العراق
صنعاء
اليمن
عمان
الأردن
الجزائر
الجزائر
عمان
الأردن
المنامة
البحرين
عمان
الأردن
جيبوتي
جيبوتي
عمان
الأردن
القاهرة
مصر
عمان
الأردن
بغداد
العراق

Dataset Card for "Arab States Analogy Dataset (ASAD)"

This dataset is created using 20 Arab States1 with their corresponding capital cities, nationalities, currencies, and on which continents they are located, consisting of four sets: country-capital set, country-currency set, country-nationality set, and country-continent set. Each set has 380 word analogies, and the total number of word analogies in the ASAD dataset is 1520. This dataset is used to evaluate Arabic Word Embedding Models (WEMs).

For more details about the dataset, please read and cite our paper:

@inproceedings{alshahrani-etal-2023-performance,
    title = "{Performance Implications of Using Unrepresentative Corpora in {A}rabic Natural Language Processing}",
    author = "Alshahrani, Saied  and Alshahrani, Norah  and Dey, Soumyabrata  and Matthews, Jeanna",
    booktitle = "Proceedings of the The First Arabic Natural Language Processing Conference (ArabicNLP 2023)",
    month = December,
    year = "2023",
    address = "Singapore (Hybrid)",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.arabicnlp-1.19",
    doi = "10.18653/v1/2023.arabicnlp-1.19",
    pages = "218--231",
    abstract = "Wikipedia articles are a widely used source of training data for Natural Language Processing (NLP) research, particularly as corpora for low-resource languages like Arabic. However, it is essential to understand the extent to which these corpora reflect the representative contributions of native speakers, especially when many entries in a given language are directly translated from other languages or automatically generated through automated mechanisms. In this paper, we study the performance implications of using inorganic corpora that are not representative of native speakers and are generated through automated techniques such as bot generation or automated template-based translation. The case of the Arabic Wikipedia editions gives a unique case study of this since the Moroccan Arabic Wikipedia edition (ARY) is small but representative, the Egyptian Arabic Wikipedia edition (ARZ) is large but unrepresentative, and the Modern Standard Arabic Wikipedia edition (AR) is both large and more representative. We intrinsically evaluate the performance of two main NLP upstream tasks, namely word representation and language modeling, using word analogy evaluations and fill-mask evaluations using our two newly created datasets: Arab States Analogy Dataset (ASAD) and Masked Arab States Dataset (MASD). We demonstrate that for good NLP performance, we need both large and organic corpora; neither alone is sufficient. We show that producing large corpora through automated means can be a counter-productive, producing models that both perform worse and lack cultural richness and meaningful representation of the Arabic language and its native speakers.",
}

1. We only drop two Arab states: the United Arab Emirates (الإمارات العربية المتحدة) and Comoros (جزر القمر), because they or their capital cities are written as open compound words (two words), which cannot be directly handled by the word embedding models, like Abu Dhabi (أبو ظبي).

Downloads last month
49