تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > بحث>استخدام الشبكات العصبية الاصطن...>الوصف

استخدام الشبكات العصبية الاصطناعية لتدريب الآلة على تعلم القوانين الفونولوجية العربية

العنوان بلغة أخرى: Using Neural Networks for Learning Arabic Morphophonological Rules
المصدر: مجلة العلوم العربية والإنسانية
الناشر: جامعة القصيم
المؤلف الرئيسي: عسيري، يحيى بن علي آل مريع (مؤلف)
المؤلف الرئيسي (الإنجليزية): Asiri, Yahya bin Ali Al Muriya
المجلد/العدد: مج18, ع2
محكمة: نعم
الدولة: السعودية
التاريخ الميلادي: 2024
التاريخ الهجري: 1446
الشهر: أكتوبر
الصفحات: 8 - 20
ISSN: 1658-4058
رقم MD: 1516321
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
الشبكات العصبونية الاصطناعية | اللغة العربية | التحليل الصرفي | النظام الصوتي | التصريف الصوتي
كلمات المؤلف المفتاحية:
التغيرات الصوتية | القوانين الفونولوجية | الفعل العربي | الشبكات العصبية | نماذج المتسلسلات | Phonetic Changes | Phonological Rules | Arabic Verb | Neural Networks | Sequence Models
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

12

حفظ في:
المستخلص: تهدف هذه الدراسة إلى معرفة مدى قدرة نماذج الشبكات العصبية الاصطناعية (Neural Networks)، وتحديدا النماذج المتسلسلة Seq2seq models))، على إدراك التغيرات الصوتية التي تطرأ على بنية الفعل الأصلية عند اتصاله باللواصق التصريفية، وقد ركزت هذه الدراسة على أربع ظواهر صوتية محكومة بقوانين الفونولوجيا العربية، وهي: حذف حركة فاء الفعل، وحذف المقطع الأول من الفعل، وإبدال حركة اللاصقة/ السابقة، وإبدال حركة عين الفعل الثلاثي المزيد كسرة. وتكشف نتائج هذه الدراسة عن قدرة هذه النماذج على تعلم القواعد الفونولوجية لتلك التغيرات الصوتية والتعرف على السياقات المقيدة لكل قاعدة منها؛ فقد حقق النموذج المستخدم دقة عالية عند اختباره على بيانات جديدة لم يسبق أن تعرف عليها أثناء عملية التدريب. وهذه النتيجة تبين لنا قدرة النماذج المتسلسلة على تعلم القواعد الفونولوجية وتعميمها رغم اختلاف السياقات وتعقد نظام الفعل العربي، وهو ما يؤكد ما توصلت إليه دراسات سابقة على لغات أخرى من نتائج تبين قدرة هذه النماذج على تعلم القوانين اللغوية الصرفية والصوتية.

This study aims to investigate the extent to which artificial neural network models, specifically sequence-to-sequence (Seq2seq) models, can recognize Arabic morphophonological changes that occur to the lemma. The study focuses on four phonetic changes governed by the rules of Arabic verbal phonology. The results of this study reveal the ability of these models to learn phonological rules and recognize the contexts that constrain them. The model achieves a high accuracy when we test it on new datasets not encountered during the training process. Such results demonstrate the ability of sequence-to-sequence (Seq2seq) models to generalize over the contexts and learn phonological rules, despite the variation and the complexity in Arabic verbal system. This confirms what has been pointed out by previous studies conducted on morphological and phonological phenomena from other languages.
ISSN: 1658-4058

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.