كشف الأخطاء في النصوص العربية باستخدام تصنيف التسلسلات العصبية

لقد تلقت اللغة الإنجليزية حتى الآن أكبر قدر من الاهتمام في البحث المتعلق بتصحيح واكتشاف أخطاء القواعد تلقائيًا. ومع ذلك، فإن هذه المهام قد تم التحقيق فيها بدرجة أقل بالنسبة للغات الأخرى. في هذه الورقة، نقدم التجارب الأولى باستخدام نماذج الشبكات العصبية لمهمة كشف الأخطاء في النصوص العربية الفصحى الحديثة (MSA). نقوم بتحقيق عدة هياكل لنماذج الشبكات العصبية ونبلغ عن نتائج التقييم التي تم الحصول عليها من خلال تطبيق التحقق المتقاطع على البيانات. تتضمن جميع التجارب مجموعة بيانات قمنا بإنشائها وزيادتها. تحتوي المجموعة على 494 جملة و 620 جملة بعد الزيادة. حققت نماذجنا دقة قصوى تبلغ 78.09% واسترجاع 83.95% ودرجة F0.5 تبلغ 79.62% في مهمة كشف الأخطاء باستخدام SimpleRNN. باستخدام LSTM، حققنا دقة قصوى تبلغ 79.21% واسترجاع 93.8% ودرجة F0.5 تبلغ 79.16%. أخيرًا، تم تحقيق أفضل النتائج باستخدام BiLSTM بدقة قصوى تبلغ 80.74% واسترجاع 85.73% ودرجة F0.5 تبلغ 81.55%. قارننا نتائج النماذج الثلاثة مع خط الأساس، وهو أداة تدقيق قواعد اللغة العربية المتاحة تجاريًا (Microsoft Word 2007). لقد تفوقت LSTM و BiLSTM و SimpleRNN جميعها على خط الأساس من حيث الدقة و F0.5. تظهر أعمالنا نتائج أولية، مما يدل على أنه يمكن تطبيق هياكل الشبكات العصبية لكشف الأخطاء من خلال تصنيف التسلسلات بنجاح على النصوص العربية.