jamalinu/tamazight-nlp-bridge

# The Multilingual Low-Resource Bridge: Tamazight NLP ## 🌍 Overview As a native Tamazight speaker and linguist, I developed this project to bridge the gap in Natural Language Processing (NLP) for North African languages. This dataset addresses common AI errors like Arabic-to-Tamazight literal translation calcos. ## 🚀 Project Features * **Native Expertise:** Includes authentic Tarifit and Taqbaylit structures (e.g., complex conditionals like *mri dyusa iri zrighth*). * **Multilingual:** Parallel data in 6 languages: Tamazight, Arabic, Catalan, Spanish, French, and English. * **Pre-processing:** Cleaned and tokenized data ready for Machine Learning. * "Automated Tifinagh Transliteration tool included" ## 📊 Dataset Sample | Tamazight | Dialect | English | Notes | | :--- | :--- | :--- | :--- | | Azul | Standard | Hello | Greeting | | Mamch dach qqarn? | Tarifit | What is your name? | Authentic phrasing | ## 🛠️ Tools Used * Python (Pandas, Matplotlib) * Google Colab * spaCy ## 🔬 Research & Linguistic Observations ## 🔬 Observaciones sobre el Tamazight de la Diáspora Durante el desarrollo de este proyecto, se ha identificado un fenómeno crítico para el procesamiento de lenguaje natural (NLP): el **Tamazight de Herencia**. * **Contexto:** Los hablantes nativos o descendientes nacidos en Europa (España, Francia, Bélgica) presentan un alto grado de *code-switching*. * **Hallazgo:** Mientras que la estructura gramatical y la base emocional permanecen en Tamazight, el léxico académico y técnico es sustituido por el idioma del país de residencia. * **Solución Técnica:** Mi modelo incluye un "Clasificador de Influencia Geográfica" que ayuda a los sistemas de IA a entender el contexto del usuario (Influencia Ibérica vs. Francófona) para evitar errores de traducción y mejorar la experiencia de usuario (UX) en aplicaciones globales. S thmazight Nech ssawaregh thmazight. Ggigh projet-a mahend ad qnegh lfarq nigh lfajwa jar ilsawen di muâlaja ilsawen tabi3iyyin (NLP) jar ilsa …