somali-language-standard

给索马里语定一套机器可读的版本化标准，让低资源 NLP 有据可依。

这是一个面向索马里语的开放、机器可读语言标准项目，采用 RFC 风格的版本化目录，把正字法、语法、术语、翻译以及 AI/基准测试资源集中管理。索马里语属于低资源语言，长期缺乏统一、可引用、可被程序读取的规范，导致拼写不一致、术语混乱、NLP 数据集难以复用。该项目试图解决这一问题：用结构化、带版本号、可引用的方式定义语言规则与资源，让开发者、研究者和翻译者能基于同一套标准构建工具与模型。核心能力包括：提供机器可读的规范条目，覆盖拼写与语法规则；整理术语与翻译对照；汇集 AI 与基准测试资源，方便低资源语言模型评测；通过版本化与 RFC 流程保证变更可追溯、可引用。项目用 Rust 实现，强调工程化与可维护性，适合作为索马里语 NLP 基础设施的参考标准。

开源 unknown 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 106

维护状态较活跃

是否开源是

定价模式 unknown

项目数据

分类数据集

开发团队goobolabs

所属国家

官网地址https://www.goobolabs.so

GitHubhttps://github.com/goobolabs/somali-language-standard

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Rust

技术栈/模型ai,benchmarks,cushitic,grammar,language-standard,linguistics,llm,low-resource-languages,machine-readable,natural-language-processing,nlp,open-standard,orthography,rag,somali,somali-language,terminology,translation

GitHub 星标★ 106

30天Star增速

HF 下载量

上线时间2026-07-02 00:00:00

最近更新2026-09-17 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-12

浏览次数0

使用教程

核心亮点

以 RFC 风格做版本化标准，变更可追溯、可引用，适合学术与工程长期使用
把正字法、语法、术语、翻译和 AI 基准资源集中在一个机器可读目录，减少碎片化
用 Rust 实现，强调工程化与可维护性，便于程序化消费和集成到工具链

不足之处

项目仍处早期，星标约 105，生态与采用度有待观察
标准内容覆盖范围与更新频率依赖维护者投入，文档/社区待观察

适用场景

低资源语言 NLP 研究者构建索马里语分词、词性标注或机器翻译模型时，引用统一标准
翻译与本地化团队统一索马里语术语和拼写规范，减少多人协作中的不一致
AI 评测方设计索马里语基准测试时，直接复用其机器可读的基准资源目录

替代项目

Universal Dependencies、Unicode CLDR、Masakhane

项目介绍

somali-language-standard 是一个数据集领域的开源项目，官方简介：The open, machine-readable standard for the Somali language — orthography, grammar, terminology, translation, and AI/benchmark resources, as a versioned, citable RFC-style catalog.。项目使用 Rust 开发，在 GitHub 上获得 105 星标。

上一篇：RSIBench-Data

下一篇：anylabeling