Datasets:

arabic_ner_mafat / README.md
imvladikon's picture
Create README.md
0648f1d
---
task_categories:
- token-classification
language:
- ar
size_categories:
- 10K<n<100K
---
## Arabic NER
Sample of the Arabic NER data
## Usage
```bash
pip install datasets
```
Login:
```
huggingface-cli login
```
```python
from datasets import load_dataset
ds = load_dataset("iahlt/arabic_ner_mafat")
```
## Sample
```json
{'id': '42',
'ner_tags': [32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
32,
30,
28,
28,
31],
'raw_tags': ['O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'O',
'B-MISC',
'I-MISC',
'I-MISC',
'L-MISC'],
'record': '{"metadata": {"doc_id": '
'"0142895c6cdb030b10c8cc2e5c9639f9422bf22ef45a1b314d7a366fc6489938", '
'"url": "https://www.alarab.com//Article/1004953", "source": '
'"AlArab", "title": "فوائد غير متوقعة للعلكة الخالية من السكر.. '
'اكتشفوها معنا!", "authors": "كل العرب (تصوير: iStockphoto)", '
'"date": "2021-08-30 13:25:01", "domains": "التغذية الصحيحة:فوائد '
'العلكة الخالية من السكر", "parnumber": "36", "sentnumber": "1", '
'"manually_qa-ed": "Yes"}, "text": "يجب عليك الامتناع عن مضغ العلكة '
'إذا كنت تعاني من أي نوع من الام الفك أو اضطراب الصدغي الفكي.", '
'"label": [[75, 94, "MISC"]], "user": "nlhowell", "timestamp": '
'1685356359.342268, "flatten": {"tokens": ["يجب", "علي", "ك", '
'"الامتناع", "عن", "مضغ", "العلكة", "إذا", "كنت", "تعاني", "من", '
'"أي", "نوع", "من", "الام", "الفك", "أو", "اضطراب", "الصدغي", '
'"الفكي", "."], "ner_tags": ["O", "O", "O", "O", "O", "O", "O", '
'"O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-MISC", '
'"I-MISC", "I-MISC", "L-MISC"]}}',
'tokens': ['يجب',
'علي',
'ك',
'الامتناع',
'عن',
'مضغ',
'العلكة',
'إذا',
'كنت',
'تعاني',
'من',
'أي',
'نوع',
'من',
'الام',
'الفك',
'أو',
'اضطراب',
'الصدغي',
'الفكي',
'.']}
```
## Visualization
```bash
pip install spacy ipython -q
```
```python
import json
from spacy.training import offsets_to_biluo_tags, biluo_tags_to_spans
record = ds[676]
record["record"] = json.loads(record["record"])
ner_tags = record["raw_tags"]
tokens = record["tokens"]
doc = spacy.tokens.Doc(spacy.blank("ar").vocab, words=tokens)
doc.ents = biluo_tags_to_spans(doc, ner_tags)
print(record["record"]["text"])
spacy.displacy.render(doc, style="ent", jupyter=True)
```