使用解析表达文法构建阿拉伯语-英语机器可读词典
摘要
本文提出了一种方法,利用解析表达文法对阿拉伯语-英语Al-Mawrid词典进行结构化处理,将词条转换为适用于自然语言处理应用的层次结构。
arXiv:2606.25231v1 公告类型: 新
摘要:词典是词汇信息的丰富来源,这些信息对于自然语言处理和人类语言技术的许多应用至关重要。然而,出版商通常为人类使用而非机器处理制作印刷词典。本文提出了一种方法,部分结构化阿拉伯语-英语Al-Mawrid词典的机器可读版本。该方法将Al-Mawrid的词条从单词和标点符号的流转换为层次结构。层次结构以显式格式表达每个词典条目的组成部分。一个词典条目由子条目组成,每个子条目包含定义短语、领域标签、交叉引用和翻译对等词。我们将所提议的方法设计为级联步骤,其中解析是主要步骤。我们使用解析表达文法形式实现了解析器。结论是,尽管阿拉伯语词典缺乏微观结构标准化,但本研究表明,在归纳出其微观结构后,有可能以合理的准确性自动或半自动地对它们进行结构化。
查看缓存全文
缓存时间: 2026/06/25 05:10
# 使用解析表达式文法构建阿拉伯语-英语机器可读词典的结构化方法 来源:https://arxiv.org/abs/2606.25231 查看PDF(https://arxiv.org/pdf/2606.25231) > **摘要:**词典是词汇信息的丰富来源,自然语言处理与人类语言技术的许多应用都离不开这些信息。然而,出版商制作的印刷版词典是为人类使用而非机器处理而设计的。本文提出了一种方法,对阿拉伯语-英语《Al-Mawrid》词典的机器可读版本进行部分结构化解构。该方法将《Al-Mawrid》词条从单词与标点符号的流式数据转换为层次结构。该层次结构以显式格式表达了每个词典词条的组成部分。一个词典词条由若干子词条构成,每个子词条包含定义短语、领域标签、交叉引用和翻译对等词。我们将所提出的方法设计为级联步骤,其中解析是主要步骤。我们使用解析表达式文法形式实现了解析器。总之,尽管阿拉伯语词典缺乏微观结构标准化,但本研究表明,在归纳出其微观结构后,以合理的精度自动或半自动地对其进行结构化是可行的。 ## 提交历史 **来自:** Diaa Fayed \[查看电子邮件(https://arxiv.org/show-email/e2d7c6dc/2606.25231)\] **\[v1\]** 2026年6月23日星期二 23:17:51 UTC(1,029 KB)
相似文章
利用信息抽取从阿拉伯语-英语机器可读词典中提取知识
本文提出了一种方法,利用n元语法分析、关键词上下文分析和基于规则的信息抽取,从阿拉伯语-英语的Al-Mawrid词典中自动提取词汇知识。
使用ISO语言标记框架和TEI Lex-0分析并编码Al-Mawrid阿拉伯语-英语词典
本文介绍了一种使用ISO LMF和TEI Lex-0标准对Al-Mawrid阿拉伯语-英语词典进行数字化的方法,实现了高解析准确率和精确度,填补了阿拉伯语词汇基础设施的空白。
通过WordNet自动对阿英词典词义进行词性标注
本文提出了一种资源轻量级算法,通过消歧后从英语WordNet转移词性标签,自动为Al-Mawrid阿英双语词典中的词义分配词性标签,以极低成本实现了高准确率。
ArabiGEE:阿拉伯语语法错误解释的分层分类法
介绍ArabiGEE,这是首个全面的阿拉伯语语法错误解释分类法,采用分层结构,涵盖拼写、形态、句法和词汇维度,包含27种错误类型、140种修正类型和324个解释。
一个平行多方言阿拉伯语依存树库
该论文介绍了 MadarTB,这是首个涵盖五种阿拉伯语城市方言(贝鲁特、开罗、多哈、拉巴特、突尼斯)及现代标准阿拉伯语(MSA)的大规模平行依存树库,包含 5,000 个采用 CATiB 标注体系标注的句子。论文在这六种语言变体上比较了一个监督式句法分析器(标注依存准确率 LAS 为 87.5%)与四个大语言模型(最佳 LAS 为 85.7%)的表现,并公开发布了标注数据和模型。