An Algerian dialect: Study and Resources لهجة جزائرية: دراسة ومصادر Un dialecte algérien : étude et ressources Un dialecto argelino: estudio y recursos

Arabic is the official language overall Arab coun-tries, it is used for official speech, news-papers, public adminis-tration and school. In Parallel, for everyday communication, non-official talks, songs and movies, Arab people use their dialects which are inspired from Standard Arabic and differ from one Arabic country to another. These linguistic phenomenon is called disglossia, a situation in which two distinct varieties of a language are spoken within the same speech community. It is observed Throughout all Arab countries, standard Arabic widely written but not used in everyday conversation, dialect widely spoken in everyday life but almost never written. Thus, in NLP area, a lot of works have been dedicated for written Arabic. In contrast, Arabic dialects at a near time were not studied enough. Interest for them is recent. First work for these dialects began in the last decade for middle-east ones. Dialects of the Maghreb are just beginning to be studied. Compared to written Arabic, dialects are under-resourced languages which suffer from lack of NLP resources despite their large use. We deal in this paper with Arabic Algerian dialect a non-resourced language for which no known resource is available to date. We present a first linguistic study introducing its most important features and we describe the resources that we created from scratch for this dialect. اللغة العربية هي اللغة الرسمية للدول العربية بشكل عام، ويتم استخدامها في الخطابات الرسمية والصحف الإخبارية والإدارة العامة والمدرسة. في موازاة ذلك، من أجل التواصل اليومي والمحادثات غير الرسمية والأغاني والأفلام، يستخدم العرب لهجاتهم المستوحاة من اللغة العربية الفصحى وتختلف من بلد عربي إلى آخر. تسمى هذه الظاهرة اللغوية disglossia، وهي حالة يتم فيها التحدث بنوعين متميزين من اللغة داخل مجتمع الكلام نفسه. يُلاحظ في جميع البلدان العربية، أن اللغة العربية الفصحى مكتوبة على نطاق واسع ولكنها لا تستخدم في المحادثة اليومية، وهي لهجة يتم التحدث بها على نطاق واسع في الحياة اليومية ولكنها لا تُكتب أبدًا تقريبًا. وبالتالي، في مجال البرمجة اللغوية العصبية، تم تخصيص الكثير من الأعمال للغة العربية المكتوبة. في المقابل، لم يتم دراسة اللهجات العربية في وقت قريب بما فيه الكفاية. الاهتمام بهم حديث. بدأ العمل الأول لهذه اللهجات في العقد الماضي لهجات الشرق الأوسط. بدأت للتو دراسة لهجات المغرب العربي. بالمقارنة مع اللغة العربية المكتوبة، فإن اللهجات هي لغات تفتقر إلى الموارد وتعاني من نقص موارد البرمجة اللغوية العصبية على الرغم من استخدامها الكبير. نتعامل في هذه الورقة مع اللهجة العربية الجزائرية لغة غير مزودة بالموارد ولا يتوفر لها مورد معروف حتى الآن. نقدم أول دراسة لغوية تقدم أهم ميزاتها ونصف الموارد التي أنشأناها من الصفر لهذه اللهجة. L'arabe est la langue officielle de l'ensemble des pays arabes, il est utilisé pour les discours officiels, les journaux, l'administration publique et l'école. En parallèle, pour la communication quotidienne, les conférences non officielles, les chansons et les films, les peuples arabes utilisent leurs dialectes qui s'inspirent de l'arabe standard et diffèrent d'un pays arabe à l'autre. Ce phénomène linguistique est appelé disglossie, une situation dans laquelle deux variétés distinctes d'une langue sont parlées au sein d'une même communauté vocale. Il est observé dans tous les pays arabes, l'arabe standard largement écrit mais non utilisé dans les conversations quotidiennes, le dialecte largement parlé dans la vie quotidienne mais presque jamais écrit. Ainsi, dans le domaine de la PNL, de nombreux travaux ont été consacrés à l'arabe écrit. En revanche, les dialectes arabes à une époque proche n'ont pas été suffisamment étudiés. L'intérêt pour eux est récent. Les premiers travaux pour ces dialectes ont commencé au cours de la dernière décennie pour les dialectes du Moyen-Orient. Les dialectes du Maghreb commencent tout juste à être étudiés. Par rapport à l'arabe écrit, les dialectes sont des langues sous-financées qui souffrent d'un manque de ressources PNL malgré leur grande utilisation. Nous traitons dans cet article du dialecte arabe algérien, une langue non dotée de ressources pour laquelle aucune ressource connue n'est disponible à ce jour. Nous présentons une première étude linguistique présentant ses caractéristiques les plus importantes et nous décrivons les ressources que nous avons créées à partir de zéro pour ce dialecte. El árabe es el idioma oficial de los países árabes en general, se utiliza para el discurso oficial, los periódicos, la administración pública y la escuela. En paralelo, para la comunicación cotidiana, las charlas no oficiales, las canciones y las películas, los árabes usan sus dialectos que se inspiran en el árabe estándar y difieren de un país árabe a otro. Este fenómeno lingüístico se llama disglosia, una situación en la que se hablan dos variedades distintas de una lengua dentro de la misma comunidad de habla. Se observa en todos los países árabes, árabe estándar ampliamente escrito pero no utilizado en la conversación cotidiana, dialecto ampliamente hablado en la vida cotidiana pero casi nunca escrito. Por lo tanto, en el área de PNL, se han dedicado muchos trabajos al árabe escrito. Por el contrario, los dialectos árabes en un momento cercano no se estudiaron lo suficiente. El interés por ellos es reciente. Los primeros trabajos para estos dialectos comenzaron en la última década para los de Oriente Medio. Los dialectos del Magreb apenas empiezan a estudiarse. En comparación con el árabe escrito, los dialectos son idiomas de escasos recursos que sufren de falta de recursos de PNL a pesar de su gran uso. En este documento nos ocupamos del dialecto árabe argelino, un idioma sin recursos para el que no se dispone de recursos conocidos hasta la fecha. Presentamos un primer estudio lingüístico introduciendo sus características más importantes y describimos los recursos que creamos desde cero para este dialecto.