المعجمات المعجمية ونماذج التنبؤ هي مكون رئيسي في العديد من أنظمة التوليف والتعرف على الكلام. نحن نعلم أن الكلمات ذات الصلة المورفولوجية تتبع عادة نمط ثابت من النطق والذين يمكن وصفها بالنماذج الخاصة باللغة. في هذا العمل، نستكشف مدى استخدام الشبكات العصبية المتكررة العميقة لتعلم هذا النمط تلقائيا واستغلال هذا النمط لتحسين جودة تنبؤ الكلمات ذات الصلة من خلال انعطاف مورفولوجي. نقترح مقارنتين جديدة لتزويد المعلومات المورفولوجية، باستخدام الطبقة المورفولوجية للكلمة وليمما، والتي يتم تفوحها عادة في المعجم القياسي. نبلغ عن التحسينات عبر عدد من اللغات الأوروبية بدرجات متفاوتة من التعقيد الصوتي والمورفولوجي، وعائلتين لغتان، مع تحسينات أكبر لغات حيث تكون مهمة تنبؤ النطق بطبيعتها أكثر تحديا. ونحن نلاحظ أيضا أن الجمع بين شبكات LSTM ثنائية الاتجاه مع آليات الاهتمام هي نهج عصبي فعال للمشكلة الحسابية التي نظرت، عبر اللغات. يبدو أن نهجنا مفيدا بشكل خاص في إعداد الموارد المنخفض، سواء من تلقاء نفسها وبتعلم التحويل.