Corpus coránico del árabe

El corpus coránico árabe  es un corpus electrónico en línea de textos coránicos que se puede buscar y contiene 77.430 palabras árabes . El objetivo del proyecto es proporcionar datos morfológicos y sintácticos para los investigadores que deseen estudiar el árabe clásico [1] [2] [3] [4] [5] .

Funciones

El análisis de texto gramatical ayuda a los usuarios a descubrir los significados previstos de cada verso y oración. Cada palabra del texto del Corán se atribuye con una indicación de su parte del discurso y varias características morfológicas. A diferencia de otros corpus árabes, la gramática utilizada por el corpus coránico es la gramática árabe tradicional Irab (إعراب). El corpus coránico del árabe es un proyecto de investigación dirigido por el científico informático Kays Dukes de la Universidad de Leeds [4] y forma parte del proyecto de estudio del idioma árabe en la Escuela de Informática dirigido por Eric Atwell [6] .

El corpus anotado incluye [1] [7] :

• marcado parcial verificado manualmente del texto en árabe;
• una estructura de árbol anotada del corpus árabe clásico;
• nueva visualización de la gramática árabe tradicional a través de gráficos de dependencia ;
• búsqueda morfológica en el texto del Corán;
• diccionario morfológico árabe-inglés legible por máquina;
• concordancia parcial de la lengua árabe del Corán, con lematización ;
• un tablón de anuncios en línea para voluntarios de la comunidad .

El marcado de parte del discurso asigna a cada palabra del corpus una etiqueta de parte del discurso y características morfológicas  , por ejemplo, una indicación de si la palabra dada es un sustantivo o un verbo , si está en masculino o femenino . En la primera etapa del proyecto, se utilizó el marcado parcial automático. Las características de cada una de las 77.430 palabras del Corán luego son refinadas paso a paso por dos anotadores, y los refinamientos continúan hasta el día de hoy.

La investigación lingüística que utiliza el corpus coránico incluye la enseñanza de un modelo Markov oculto de marcado de parte del discurso árabe [8] , categorización automática de capítulos del Corán [9] y análisis de texto prosódico [10] .

Además, el proyecto prevé una traducción literal del Corán basada en fuentes inglesas aceptadas en lugar de una nueva traducción del Corán [4] .

Véase también

• Lenguaje del cuerpo
• Corán
• Árabe clásico

Notas

1. ↑ 1 2 K. Dukes, E. Atwell y N. Habash (2011). Colaboración supervisada para la anotación sintáctica del árabe coránico. Archivado el 10 de mayo de 2012 en Wayback Machine Language Resources and Evaluation Journal (LREJ) . Edición especial sobre recursos lingüísticos construidos en colaboración.
2. ↑ Colaboración supervisada para la anotación sintáctica del árabe coránico . Archivado el 6 de abril de 2018 en Wayback Machine en ResearchGate . Subido por Nizar Habash, Universidad de Columbia .
3. ↑ K. Dukes y T. Buckwalter (2010). Un Treebank de dependencia del Corán utilizando la gramática árabe tradicional. Archivado el 10 de mayo de 2012 en Wayback Machine . En las actas de la 7.ª Conferencia internacional sobre informática y sistemas (INFOS). El Cairo, Egipto.
4. ↑ 1 2 3 El corpus árabe coránico Archivado el 23 de febrero de 2013 en Wayback Machine en The Muslim Tribune. 20 de junio de 2011
5. ↑ Eric Atwell, Claire Brierley, Kais Dukes, Majdi Sawalha y Abdul-Baquee Sharaf. Un enfoque de inteligencia artificial para el contenido árabe e islámico en Internet  (enlace no disponible) , pág. 2. Riad : Universidad Rey Saud , 2011.
6. ↑ Perfil de ingeniería del Dr. Eric Atwell - Facultad de Informática - Universidad de Leeds . www.comp.leeds.ac.uk . Consultado el 6 de abril de 2018. Archivado desde el original el 9 de agosto de 2017. (indefinido)
7. ↑ K. Dukes y N. Habash (2011). Análisis estadístico de un solo paso de representaciones sintácticas híbridas de dependencia-constituyente. Archivado el 10 de mayo de 2012 en la Conferencia internacional Wayback Machine sobre tecnologías de análisis (IWPT) . Dublín, Irlanda.
8. ↑ M. Albared, N. Omar y M. Ab Aziz (2011). Desarrollo de un etiquetador de punto de venta árabe HMM competitivo utilizando Small Training Corpora.  (enlace no disponible) Sistemas Inteligentes de Información y Bases de Datos. Springer Berlín, Heidelberg.
9. ↑ AM Sharaf y E. Atwell (2011). Categorización automática de los capítulos coránicos. Archivado el 8 de enero de 2014 en la Séptima Conferencia Internacional de Computación de Wayback Machine en árabe (ICCA11) . Riad, Arabia Saudita.
10. ↑ C. Brierley, M. Sawalha y E. Atwell (2012). Corpus anotado de límites para la predicción de ruptura de frases en árabe. Archivado el 15 de diciembre de 2018 en el Simposio Anual IVACS de Wayback Machine . Cambridge.

Enlaces

• Corpus árabe coránico