Dataset Viewer
Auto-converted to Parquet Duplicate
text
stringlengths
84
736k
source
stringclasses
4 values
language
stringclasses
183 values
origin
stringclasses
1 value
من جوس إلى ماكس: تراث Verstappen لهيمنة زميله في الفريق 18 يناير - أحد أسرار نجاح ماكس فيرستابين المهيمن هو أنه تعلم في سن مبكرة جدًا "تدمير" زميله في الفريق. هذا هو ادعاء جراهام واتسون، الذي عمل بشكل وثيق مع بطل العالم الثلاثي الآن في حملة فيرستابين الصاعدة في الفورمولا واحد في تورو روسو. وقال واتسون، الذي يشغل الآن م...
lightonai/ArabicWeb24
Arabic
aramix
زوجها لا يصلي وقد قال لها مرة الباب مفتوح فهل يعتبر طلاقا؟ السؤال: مشكلتي تتعلق بزوجي، فهو رجل مقصر في دينه، لا يصلي وحينما أدعوه إلى الصلاة، يغضب، ويستهزئ بي ويصر على تركه الصلاة، بحجة أن أباه لم يكن يصلي، فلماذا هو يصلي، وذات يوم ألححت عليه في ذلك فقال لي: إذا استمررت على هذا الوضع فالباب مفتوح وعندها طلبت منه الطلاق...
lightonai/ArabicWeb24
Arabic
aramix
كيفية تعليم الطفل الكتابة الصحيحة– هذا موضوع واسع جدًا. اليوم أريد أن أتناول مسألة كيفية تعليم الطفل نسخ بدون أخطاء? بدءًا من منتصف الصف الأول، يتم تكليف الأطفال بمهمة النسخ من نص مطبوع أو مكتوب. النسخ من نص مكتوب، كقاعدة عامة، لا يسبب أي صعوبات كبيرة، لأنه نسخ بسيط. ولكن حتى هنا، يتمكن الأطفال من ارتكاب العديد من الأخ...
lightonai/ArabicWeb24
Arabic
aramix
توسيع مشترك يتم استخدام وصلة التمدد بشكل أساسي على الكراكات لتوصيل مضخة التجريف وخطوط الأنابيب، ولربط خطوط الأنابيب على سطح السفينة.نظرًا لمرونة جسم الخرطوم، فإنه يمكن أن يوفر قدرًا معينًا من التمدد والانكماش لتعويض الفجوة بين الأنابيب وتسهيل تركيب وصيانة المعدات.تتمتع وصلة التمدد بتأثير جيد في امتصاص الصدمات أثناء الت...
lightonai/ArabicWeb24
Arabic
aramix
س : ضعُ إِشَارَةَ (√) أَمَامَ السُّلُوكِ الصَّحِيحِ وإشَارَةَ (×) أمام السُّلُوكِ الخَطَأ مع تصحيح الخطأ: مادة الفقه والسلوك الصف الثالث الإبتدائي – الفصل الدراسي الاول – المدارس العالمية س : أَضعُ إِشَارَةَ (√) أَمَامَ السُّلُوكِ الصَّحِيحِ وإشَارَةَ (×) أمام السُّلُوكِ الخَطَأ مع تصحيح الخطأ: – الصَّلاةُ بِمَلابِسَ م...
lightonai/ArabicWeb24
Arabic
aramix
الفصل الثامن والعشرون في غضون الأيام القليلة التالية، انتشرَت شائعةٌ غريبة في قصر دوميني والمنطقة، من عامل المزرعة إلى المزارع، ومن أطفال المدارس إلى منازلهم، ومن مكتبِ بريد القرية إلى القرى المجاورة. كانت مجموعةٌ من الحطابين من مقاطعةٍ مجاورة، بمحرك وجميع آلات حِرفتهم، قد بدأَت في العمل على اقتلاع كلِّ الأشجار والشجير...
lightonai/ArabicWeb24
Arabic
aramix
العقد اللاغي هو الاتفاق الرسمي الذي يعد العمل به غير شرعي وغير إلزامي من لحظة عقده، ويختلف العقد اللاغي عن العقد القابل للإلغاء، إذ إن العقد اللاغي هو العقد الذي لا يمكن بأي حال من الأحوال أن يكون قانونيًا للبدء به، ولا يمكن أن يكون إلزاميًا في أي وقت في المستقبل. أما العقود القابلة للإلغاء فيمكن أن تصبح إلزامية قانوني...
lightonai/ArabicWeb24
Arabic
aramix
Your Talent is Mine | ناسخ المواهب - 2831 الفصل 2831 كنس ساحة معركة الدم السماوي بقوة المرء! تحولت يي تيان إلى إشراق تقنية الجسم السائل داو العليا، قفزت في لحظة، وقامت بتفجير وقتل شياطين داو العليا الافتراضية في لحظة. إنهم جميعًا قويون للغاية من الطبقة السادسة من شياطين داو الفراغ العليا، وبعضهم مدرج في قائمة شياطين ال...
lightonai/ArabicWeb24
ary_Arab
aramix
سلوك الأطفال الغاضب كيف نتعامل معه أشكال سلوك الغضب عند الأطفال وطرق التعامل معه الغضب هو عاطفة تأتي في مجموعة متنوعة من الحدة ، من الغضب البسيط الذي يتجلى في الانزعاج والإثارة والحزن إلى الغضب الشديد الذي يتجلى في التمزق والدمار والعنف. الإثارة الشديدة والصراخ والأنين هي خصائص أخرى لسلوك الطفل. يتجلى الغضب في الطفل كل...
lightonai/ArabicWeb24
Arabic
aramix
Your Talent is Mine | ناسخ المواهب - 2585 الفصل 2585 قلب الشاطئ الآخر، يتقن! بطبيعة الحال، فشل إصلاح السلسلة الثانية مرة أخرى دون أدنى شك. ومع ذلك، استمر في الممارسة وقرر عدم الاستسلام. من حين لآخر، ذهب أيضًا للبحث عن فرص. إنه لأمر مؤسف أنه لا يوجد رمز مميز، والجسم المكرر لا يمكنه المشي هنا، وإلا فإنه يريد حقًا نسخ هيئ...
lightonai/ArabicWeb24
ary_Arab
aramix
تأثير حقن بيض التفقيس بحامض الخليك على الفقس والقياسات الحيوية للأمعاء والزيادة الوزنية لفروج اللحم الكلمات المفتاحية: أُجريت هذه الدراسة في حقل الطيور الداجنة التابع لقسم الإنتاج الحيواني- كلية الزراعة- جامعة ديالى بهدف بحث تأثير حقن بيض التفقيس بمستويات مختلفة من محلول حامض الخليك على صفات الفقس والقياسات الحيوية للأ...
lightonai/ArabicWeb24
Arabic
aramix
في المجيء الثاني ليسوع المسيح، سيتم دعوة الأشخاص المخلصين للعيش إلى الأبد مع الله إنّ شهر تشرين الثاني هو مكرّس تقليديًا للأنفس المطهرية: فيتأمل المسيحيون خلاله باتحادهم مع الله في الأبدية. على الأرض، يحصل الاتحاد، غير الكامل، مع الله في الكنيسة المرئية. أمّا في السماء، فيحدث المثل ولكن في كنيسة معاد إنشاؤها، غير “مجاه...
lightonai/ArabicWeb24
Arabic
aramix
End of preview. Expand in Data Studio

DeepLatent bilingual tokenizer-data

Balanced English/Arabic corpus for tokenizer training. The two languages carry essentially the same number of Unicode codepoints, so a BPE/WordPiece tokenizer trained on this corpus sees equal representation of both languages by character content.

Composition

Slice Source Filter Rows Chars
English almaghrabima/deeplatent-hq-merged-dedup-token-counts GlotLID language == "English" 3,980,035 12,377,830,142
Arabic AdaMLLab/AraMix-HQ mmbert_score >= 0.2784language != "English" 2,380,570 12,380,271,596
Total 6,360,605 24,758,101,738

The Arabic threshold mmbert_score >= 0.2784 was chosen so the Arabic char count matches the English char count (balancing the two languages). This yields the top ~7% highest-scoring Arabic content in AraMix-HQ.

Language labels come from GlotLID (cis-lmu/glotlid) run on the first 2000 characters of each document. The HQ corpus is fully labeled; the AraMix-HQ source was partially labeled (~38.5% of shards) — remaining Arabic rows in this merged release default to "Arabic" since labeled AraMix-HQ shards were 96.4% Arabic.

Schema

Column Type Description
text string Document text
source string Original sub-source (e.g. ar, en, lightonai/ArabicWeb24)
language string GlotLID label: "English", "Arabic", or raw lang_Script
origin string "hq" or "aramix"

File layout

  • en_00000.parqueten_00222.parquet — 223 English shards
  • ar_00000.parquetar_00178.parquet — 179 Arabic shards

Each file is zstd-compressed parquet.

Downloads last month
10