Tarab: A Multi-Dialect Corpus of Arabic Lyrics and Poetry
Die Arbeit stellt das Tarab-Korpus vor, eine große, offene Ressource mit über 2,56 Millionen Versen und 13,5 Millionen Tokens, die arabischen Liedtexten und Poesie von der vorislamischen Zeit bis zur Gegenwart in klassischem, standardsprachlichem und sechs regionalen Dialekten vereint und durch strukturierte Metadaten sowie Analyse-Baselines für linguistische und stilistische Vergleiche ergänzt wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Tarab-Korpus als eine riesige, digitale Bibliothek vor, die nicht nur Bücher, sondern die gesamte „Musik der arabischen Seele" sammelt. Der Name „Tarab" bedeutet auf Arabisch so viel wie „musikalische Ekstase" oder „tiefe emotionale Rührung" – genau das Gefühl, das man bekommt, wenn ein Lied oder ein Gedicht einen so sehr berührt, dass man vergisst, wo man ist.
Hier ist eine einfache Erklärung, was dieses Projekt eigentlich ist und warum es so besonders ist:
1. Die große Sammlung: Ein „Schweizer Taschenmesser" für Sprache
Bisher gab es im Computerzeitalter viele Datenbanken mit arabischen Texten, aber die waren oft wie ein einseitiges Menü: Sie enthielten hauptsächlich Nachrichten, Wikipedia-Artikel oder formelle Zeitungsberichte. Das ist wie wenn man nur die offiziellen Reden eines Politikers hören würde, aber nie die Witze, die Liebeslieder oder die Gedichte, die Menschen im Alltag oder in der Kunst verwenden.
Das Tarab-Projekt ändert das. Es ist wie ein riesiger Kontinent, der zwei große Länder verbindet:
- Das Land der Lieder: Popmusik, Hip-Hop, religiöse Gesänge und Volkslieder.
- Das Land der Gedichte: Von den alten Dichtern der Vorzeit bis zu modernen Lyrikern.
Mit über 2,5 Millionen Zeilen Text und 13,5 Millionen Wörtern ist es die größte offene Sammlung ihrer Art. Es ist so groß, dass man darin fast 14 Jahrhunderte an Kreativität von der Zeit vor dem Islam bis heute nachlesen kann.
2. Ein Kaleidoskop aus Dialekten
Stellen Sie sich die arabische Sprache wie einen Fluss vor. In der Mitte fließt das klare, formelle Wasser (das Hocharabische/MSA), aber an den Ufern gibt es viele kleine, wilde Bäche und Seen, die die verschiedenen Dialekte darstellen (ägyptisch, libanesisch, marokkanisch, irakisch usw.).
Frühere Computerprogramme konnten oft nur das klare Wasser in der Mitte verstehen. Tarab hingegen hat Sensoren in allen diesen Bächen installiert. Es zeigt dem Computer, wie ein junger Mann in Kairo spricht, wie eine alte Dame in Marokko singt und wie ein Dichter im 9. Jahrhundert geschrieben hat.
- Das Besondere: Das System erkennt nicht nur, was gesagt wird, sondern auch, wie es gesagt wird. Es unterscheidet zwischen dem formellen „Ich" und dem lockeren, dialektalen „Ich".
3. Wie funktioniert das? (Die „Ziegelsteine")
Statt ganze Bücher oder ganze Songs als eine einzige Einheit zu betrachten, hat das Team das Material in kleine Ziegelsteine zerlegt: die einzelnen Verszeilen.
- Jeder Stein hat ein Etikett: Woher kommt er? (Land oder historische Epoche).
- Welcher Dialekt ist es?
- Ist es ein Lied oder ein Gedicht?
Durch diese Methode können Forscher wie Architekten bauen: Sie können vergleichen, wie sich ein Wort in einem ägyptischen Song von einem irakischen Gedicht unterscheidet, oder wie sich die Sprache über 1000 Jahre verändert hat.
4. Was haben die Forscher herausgefunden?
Als sie die Daten mit Hilfe von künstlicher Intelligenz (Computer-Modellen) analysierten, sahen sie ein faszinierendes Muster:
- Die alte Welt (Klassisches Arabisch): Sie bildet eine Art festes, isoliertes Schloss. Die Wörter sind sehr speziell und kommen fast nur in Gedichten vor. Sie berühren kaum die Umgangssprache.
- Die moderne Welt (Hocharabisch & Dialekte): Hier ist alles viel verflochter. Die formelle Sprache und die Dialekte mischen sich, besonders in Songs. Es ist wie ein großer Marktplatz, auf dem sich verschiedene Gruppen unterhalten.
- Die Lieder: Sie sind chaotischer und bunter als die Gedichte. Sie enthalten mehr Wiederholungen, Emotionen und sogar Wörter aus anderen Sprachen (wie Französisch oder Englisch), weil Sänger oft „Code-Switching" betreiben (mischen Sprachen).
5. Warum ist das wichtig?
Stellen Sie sich vor, Sie wollen die Geschichte eines Volkes verstehen. Wenn Sie nur die offiziellen Gesetze lesen, wissen Sie wenig über das Herz des Volkes. Tarab gibt uns einen Blick auf das Herz der arabischen Kultur.
- Es hilft Computern, die Sprache wirklich zu verstehen, nicht nur wie eine Maschine, sondern wie ein Mensch.
- Es bewahrt kulturelles Erbe, indem es alte Dichter und moderne Popstars in derselben Datenbank vereint.
- Es erlaubt Forschern, zu sehen, wie sich Sprache wandelt – von den Wüsten der Vergangenheit bis zu den Smartphones von heute.
Zusammenfassung
Das Tarab-Korpus ist wie ein riesiges, interaktives Museum, das nicht nur alte Vasen ausstellt, sondern auch den aktuellen Pop-Hit des Monats. Es verbindet die Vergangenheit mit der Gegenwart und zeigt uns, dass die arabische Sprache kein starrer Block ist, sondern ein lebendiges, atmendes Gewebe aus Tausenden von Stimmen, Dialekten und Geschichten. Und das Beste daran: Jeder kann es kostenlos nutzen, um diese Geschichte weiter zu erforschen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.