اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدمنظومة عصبونية خبيرة لإعراب اللغة العربية
Expert Neural System to parse Arabic Language
894
0 42
0
(
0
)
تأليف
محمد فاضل سكر( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
جرى تصميم منظومة عصبونية ذكية تعمل بمساعدة نظام خبير لبيان نحو و إعراب اللغة العربية. و جرت دراسة و تحليل أشكال الجمل العربية و أنواعها، و صنفت في حقول نحوية جديدة. يتكون كل حقل من العناصر الأساسية للجملة، من فعل و فاعل و مبتدأ و سواها. جرى إحصاء جميع الأشكال التي ترد عليها الجملة العربية، وُ فصلت في حقول فعلية و اسمية. جرى تصميم شبكة عصبونية تأخذ في مداخلها عناصر الجملة و تعطي في مخارجها الحقل النحوي المناسب.
New intelligent neural network built in an expert system has been designed to parse Arabic Language. Arabic sentences have been studied and analyzed, also classified into new syntactical fields. Each syntactical field consists of essential sentence components; verb, object, ….All emerging Arabic sentences have been calculated and detailed into verbal and noun fields.
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول الورقة البحثية موضوع النظم الخبيرة والشبكات العصبية في تحليل الجمل النحوية. يتم التركيز على كيفية استخدام النظم المبنية على القواعد والمعارف لتحليل الجمل واختيار الحقل النحوي الصحيح لها. يتم تقديم أمثلة متعددة على تحليل الجمل وتوضيح كيفية تطبيق القواعد النحوية المختلفة على الكلمات والجمل. كما يتم استخدام برمجيات مثل Visual Prolog 6.1 لتطوير النظم الخبيرة وتطبيقها على تحليل الجمل. تتضمن الورقة أيضًا أمثلة على كيفية استخدام الشبكات العصبية لترشيح الدخولات وتحديد الحقول النحوية الصحيحة للجمل.
قراءة نقدية
دراسة نقدية: الورقة البحثية تقدم موضوعًا مهمًا في مجال تحليل الجمل النحوية باستخدام النظم الخبيرة والشبكات العصبية. ومع ذلك، يمكن ملاحظة بعض النقاط التي قد تحتاج إلى تحسين. أولاً، الورقة تفتقر إلى توضيح كافٍ لبعض المفاهيم الأساسية، مما قد يجعل من الصعب على القارئ غير المتخصص فهم بعض الأجزاء. ثانيًا، كان من الممكن تقديم المزيد من الأمثلة العملية والتطبيقات الواقعية لتوضيح كيفية استخدام النظم الخبيرة والشبكات العصبية في تحليل الجمل النحوية بشكل أفضل. أخيرًا، الورقة تفتقر إلى مناقشة بعض التحديات المحتملة التي قد تواجه تطبيق هذه النظم في الواقع وكيفية التغلب عليها.
أسئلة حول البحث
-
ما هو الهدف الرئيسي من الورقة البحثية؟
الهدف الرئيسي من الورقة البحثية هو تحليل الجمل النحوية باستخدام النظم الخبيرة والشبكات العصبية واختيار الحقل النحوي الصحيح للجمل.
-
ما هي البرمجيات المستخدمة في تطوير النظم الخبيرة في الورقة؟
تم استخدام برمجية Visual Prolog 6.1 في تطوير النظم الخبيرة في الورقة.
-
ما هي التحديات التي قد تواجه تطبيق النظم الخبيرة في تحليل الجمل النحوية؟
التحديات قد تشمل تعقيد القواعد النحوية وتنوعها، وصعوبة التعامل مع الاستثناءات النحوية، والحاجة إلى قاعدة بيانات واسعة وشاملة للقواعد والمعارف.
-
كيف يمكن تحسين الورقة البحثية لتكون أكثر فائدة للقراء؟
يمكن تحسين الورقة بإضافة المزيد من الأمثلة العملية والتطبيقات الواقعية، وتوضيح المفاهيم الأساسية بشكل أفضل، ومناقشة التحديات المحتملة وكيفية التغلب عليها.
المراجع المستخدمة
Grichnik Anthony, 2003, Artificial Intelligence, Strategy & Technolo- - gy Manager Caterpillar Inc
Holstvej.H.J., 2003, Visual Prolog version 6.1. Prolog Development Center A\S, Denmark
Kurfess Franz J, 2002, Knowledge-Based Systems, Computer Science Department Cal Poly
قيم البحث
اقرأ أيضاً
تم تطوير نظام خبير لإعراب مفردات الجمل العربية دون تشكيل. يقوم النظام أولاً بإيجاد تصريف الكلمات و نوعها باستخدام أداة (Microsoft (ATK، ويستمد خبرته من قواعد اللغة العربية في إيجاد إعراب مفردات الجمل الإسمية. استجاب النظام بشكل صحيح بنسبة جيدة جداً و
تمت مقارنة النتائج الصادرة عنه مع نتائج خبير باللغة العربية.
ساعد ظهور نماذج التعلم المتعددة المهام (MTL) في السنوات الأخيرة دفع الشقيقة للفن في اللغة الطبيعية Un-derstanding (NLU). نعتقد بشدة أن مشاكل Thanmany NLU باللغة العربية يتم تصحيحها على جني فوائد هذه النماذج. تنتهي Tothis نقترح معيار التقييم باللغة ال
عربية للأمم المتحدة (Alue)، بناء على 8 مهام مختارة بعناية و Lateded. لمدة خمسة من هؤلاء، نوفرو مجموعات من هذه البيانات الخاصة بتقييم القطاع الخاص للهناء من نزاهة وصلاحية معيارنا. كما نقدم مجموعة بيانات تشخيصية لتحقيق الأعمال الداخلية للبحث في الأعمال الداخلية لصالحهم. تجاربهم الأولية تظهر نماذج THOTMTL تتفوق على ThereCedCounterParts مهام. ولكن من أجل مشاركة EN-TICE من المجتمع الأوسع، نلتزم بالنشر المدربين أساسا أساسيا. ومع ذلك، فإن تحليلنا يكشف أن هذا هو الكثير من الغرفة للتحسين nlu inarabic. نأمل أن يتم تشغيل Alue جزءا في مساعدة مجتمعنا على تحقيق بعض هذه التحسينات. قام الباحثون المهتمون بدعوة إلى تقديم نتائجنا إلى المتصدرين لدينا عبر الإنترنت، ويمكن الوصول إليها علنا.
تحتل الدراسات التي تتناول حوسبة اللغة العربية أهمية كبيرة نظراً للانتشار الواسع للغة العربية , و اخترنا في هذه الدراسة العمل على معالجة اللغة العربية من خلال نظام استرجاع معلومات للمستندات باللغة العربية , الفكرة الأساسية لهذا النظام هو تحليل المستن
دات والنصوص العربية و إنشاء فهارس للمصطلحات الواردة فيها , ومن ثم استخلاص أشعة أوزان تعبر عن هذه المستندات من أجل المعالجة اللاحقة للاستعلام و المقارنة مع هذه الأشعة للحصول على المستندات الموافقة لهذا الاستعلام .
من خلال عملية تجريد للمصطلحات الواردة في المستندات تم الحصول على كفاءة استرجاع أفضل , و تعرضنا للعديد من خوارزميات التجريد التي وصلت إليها الدراسات السابقة .
و تأتي عملية عنقدة المستندات كإضافة هامة , حيث يتمكن المستخدم من معرفة المستندات المشابهة لنتيجة البحث و التي لها صلة بـالاستعلام المدخل .
في التطبيق العملي , تم العمل على نظام استرجاع معلومات مكتبي , يقوم بقراءة نصوص ذات أنواع مختلفة و عرض النتائج مع العناقيد الموافقة لها .
اللغتان العربية و الأوغاريتية تنتميان إلى أصل لغوي واحد، و ترتبطان بعلاقات
متشابهة أتت إلى كلتيهما من اللغة السامية الأم.
فالمواد اللغوية نستقريها استقراء دقيقاً من النصوص الأوغاريتية لاستخلاص
جميع الظواهر المشتركة و غير المشتركة، ثم نقارنها بمقاب
لاتها في اللغة العربية في ضوء اللغات السامية الأخرى كالأكادية، و الكنعانية – الفينيقية، و السريانية، و العبرية.
و إن "الميم" صوت لغوي يؤدي في غير العربية من هذه اللغات ما يؤديه "النون"
في العربية في أبواب نحوية كالمثنى، و الجمع، و في التبدلات الصوتية في أبنية الأفعال و الأسماء و الأدوات و الضمائر؛ لذلك فهذه الدراسة المقارنة بين اللغتين هي مقارنات صوتية، و صرفية، و معجمية دلالية، تم فيها تتبع للأصول القدمى للبنى الصوتية للألفاظ في اللغة العربية، و رصد "للتغيرات الدلالية" و تبيين "القوانين الصوتية" التي تضبط المواد اللغوية التي تعرضت لها هذه المقارنات اللغوية.
الكشف عن اللغة الهجومية على Twitter لديها العديد من التطبيقات التي تتراوح من الكشف / التنبؤ بالتنبؤ لقياس الاستقطاب.في هذه الورقة، نركز على بناء مجموعة بيانات تغريدة عربية كبيرة.نقدم طريقة لبناء مجموعة بيانات غير متحيزة حسب الموضوع أو اللهجة أو الهدف
.نحن ننتج أكبر مجموعة بيانات عربية حتى الآن مع علامات خاصة لخطاب الاداءات والكراهية.نحن نحلل تماما مجموعة البيانات لتحديد الموضوعات واللهجات والجنس الأكثر ترتبط أكثر من التغريدات الهجومية وكيفية استخدام المتحدثين باللغة العربية اللغة.أخيرا، نقوم بإجراء العديد من التجارب لإنتاج نتائج قوية (F1 = 83.2) على مجموعة البيانات باستخدام تقنيات SOTA.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
