يتطلب البناء التلقائي لقواميس المتعلمين أساليب قوية لتحديد تركيبات الكلمات غير الحرفية، أو التراكيب اللغوية، والتي تمثل تحديًا كبيرًا لمتعلمي اللغة الثانية (L2). يتناول هذا البحث الخطوة الأولية الحرجة المتمثلة في استخراج مرشحي التركيبات اللغوية بدقة من النصوص لبناء قاموس للمتعلمين باللغة الإيطالية. الطريقة المعتمدة والتطبيق المنفذ لهما أهمية كبيرة في تعلم اللغة الإيطالية. نقدم دراسة مقارنة لثلاث منهجيات لتحديد هؤلاء المرشحين ضمن نص إيطالي مكون من 41.7 مليون كلمة: نهج يعتمد على أجزاء الكلام، نهج يعتمد على الاعتماد النحوي، وطريقة هجينة جديدة تدمج بين الاثنين. أسفر التحليل عن تحديد 2,097,595 تركيبًا لغويًا محتملًا. تشير النتائج إلى أن الطريقة الهجينة تحقق أداءً متفوقًا من حيث الاسترجاع ومطابقة المعايير، حيث تحدد الجزء الأكثر أهمية من المرشحين، بنسبة 42.35 ٪ من الإجمالي. أجرينا تحليلًا عميقًا لصقل مجموعة البيانات المستخرجة، مع حساب عدة مقاييس إحصائية لكل مرشح، والتي تم وصفها بالتفصيل في الورقة. يتيح هذا التحليل تصنيف التركيبات اللغوية بناءً على الصلة والصعوبة وتكرار الاستخدام، مما يشكل أساسًا لتطوير قاموس عالي الجودة قائم على الويب مخصص لمستويات إتقان المتعلمين للغة الإيطالية.
دراسة بيري وآخرون (Fri) هذا السؤال.