Naukowcy z zakresu przetwarzania języka naturalnego opracowali MADARTB - pierwszy równoległy bank danych zależności obejmujący arabskie dialekty miejskie, zawierający 5000 zdań adnotowanych według schematu CATiB. Dotychczasowe zasoby dla arabskiego skupiały się niemal wyłącznie na Modern Standard Arabic, podczas gdy dialekty miejskie pozostawały znacznie niedostatecznie reprezentowane w cyfrowych zbiorach uczących dla modeli NLP.
Analiza wykazała, że choć globalne profile konstrukcji składniowych wykazują wysokie podobieństwo między odmianami, lokalne struktury syntaktyczne często się różnią, ujawniając znaczną zmienność strukturalną. Badacze przetestowali narzędzia do parsingowania zależności na wszystkich sześciu odmianach - zarówno nadzorowany parser osiągnął wynik 87.5% LAS, podczas gdy najlepsze ustawienie dużych modeli językowych osiągnęło 85.7% LAS na zbiorze testowym.
Releasing zasobów i modeli publicznie stanowi ważny krok dla wspólnoty badawczej zajmującej się przetwarzaniem arabskiego. Projekt demonstruje potrzebę bardziej zróżnicowanych zbiorów danych treningowych dla modeli NLP, aby mogły one efektywnie pracować z rzeczywistą zbiorowością mówiących arabskim, dla których dialekty miejskie są naturalnym środkiem komunikacji.