يمكن للحاسوب أن يجمع ملايين الأرقام في ثوانٍ، وأن يرتب أسماء طويلة ترتيبًا أبجديًّا، وأن يعثر على كلمة بعينها داخل آلاف الصفحات. لكن الأمر يصبح أكثر تعقيدًا حين نطلب منه أن يعرف معنى كلمة، أو أن يحدد المقصود من جملة، أو أن يفرق بين عبارتين متشابهتين في اللفظ ومختلفتين في الدلالة (Semantics).
فالإنسان يفهم كثيرًا من الكلام من غير أن يتوقف أمام كل كلمة ليحللها. يعرف أن كلمة «عين» في عبارة «شرب من العين» لا تعني عضو الإبصار، وأن الضمير (Pronoun) في جملة ما يعود غالبًا على اسم سابق، وأن ترتيب الكلمات قد يغير المعنى، وأن العبارة الساخرة قد تحمل عكس ما تقوله ظاهريًّا.
أما الحاسوب فلا يبدأ بهذه المعرفة. إنه يتلقى حروفًا، ورموزًا، ومسافات، وإشارات رقمية. ولكي يستطيع التعامل مع اللغة، لا بد من وصفها بطريقة دقيقة، وتحويل ظواهرها إلى بيانات، وقواعد (Rules)، ونماذج (Models) يمكن اختبارها.
هنا تبدأ اللسانيات الحاسوبية.
ماذا يعني اسم «اللسانيات الحاسوبية»؟
يتكون المصطلح من شقين: اللسانيات (Linguistics)، والحوسبة (Computing).
اللسانيات هي الدراسة العلمية للغة: أصواتها (Phonetics and Phonology)، وصيغ كلماتها (Morphology)، وبناء جملها (Syntax)، ومعانيها، واستعمالها في السياقات المختلفة (Pragmatics). ولا يقتصر عمل اللساني على معرفة الصواب والخطأ، كما قد يتبادر إلى الذهن، بل يحاول وصف النظام الذي يجعل الإنسان قادرًا على إنتاج عدد لا يكاد ينتهي من الجمل وفهمها.
أما الصفة «الحاسوبية» فلا تعني مجرد استعمال الحاسوب في الكتابة، أو تخزين المعاجم، أو إحصاء الكلمات. المقصود هو النظر إلى اللغة من زاوية تسمح بتمثيلها ومعالجتها حاسوبيًّا: كيف نمثل الكلمة؟ وكيف نصف بنية الجملة؟ وكيف نميز بين المعاني؟ وكيف نضع نموذجًا يستطيع اتخاذ قرار لغوي، ثم نقيس مدى صحة هذا القرار؟
وتعرّف جمعية اللسانيات الحاسوبية المجال بأنه الدراسة العلمية للغة من منظور حاسوبي، وتهتم ببناء نماذج حاسوبية (Computational Models) للظواهر اللغوية (Linguistic Phenomena). وقد تعتمد هذه النماذج على قواعد ومعارف يضعها الباحثون، أو على بيانات تتعلم منها الأنظمة، أو على الجمع بين المعرفة اللغوية (Linguistic Knowledge) والطرائق الإحصائية (Statistical Methods) (1).
وعلى هذا، فاللسانيات الحاسوبية ليست فرعًا من البرمجة يضاف إليه بعض الكلمات، وليست فرعًا من النحو يستعمل الحاسوب للعرض، بل هي منطقة يلتقي فيها علم اللغة، وعلوم الحاسوب (Computer Science)، والرياضيات (Mathematics)، والإحصاء (Statistics).
لماذا تحتاج اللغة إلى علم خاص كي يعالجها الحاسوب؟
تبدو اللغة واضحة لمستخدمها؛ لأنه تعلمها واكتسب قدرًا هائلًا من المعرفة عنها وعن العالم. لكنه قد لا ينتبه إلى مقدار التعقيد الذي يحله ذهنه كلما قرأ جملة عادية.
حين يقرأ الإنسان مثلًا: «عاد الطالب إلى المدرسة»، فإنه يتعرف إلى الكلمات، ويميز الفعل (Verb) من الاسم (Noun)، ويدرك زمن الحدث، ويعرف أن الطالب هو الذي عاد، وأن المدرسة هي الجهة التي عاد إليها. وتتم هذه العمليات بسرعة شديدة ومن غير شعور واعٍ بمعظمها.
لكن النظام الحاسوبي يحتاج إلى معالجة عدد من الأسئلة المتتابعة.
أين تبدأ الكلمة وأين تنتهي؟ وما أصلها؟ وما نوعها؟ وما علاقتها بالكلمات الأخرى؟ وما المعنى المقصود منها؟ وهل يشير الضمير إلى شخص ورد في الجملة الحالية أو في جملة سابقة؟
وتعرض المراجع الأساسية في المجال معالجة اللغة بوصفها مجموعة مترابطة من المستويات والمهام، تبدأ بالكلمات والوحدات النصية (Text Units)، ثم تمتد إلى التحليل الصرفي (Morphological Analysis)، والتصنيف النحوي (Part-of-Speech Tagging)، وتحليل بنية الجملة (Syntactic Parsing)، وتمثيل المعنى (Semantic Representation)، وحل الإحالة (Coreference Resolution)، وتحليل الخطاب (Discourse Analysis)، والمحادثة (Dialogue) (2).
أين تبدأ الكلمة؟
قد يبدو تحديد الكلمات من أبسط المسائل، لكنه ليس كذلك دائمًا.
في الإنجليزية تفصل المسافات غالبًا بين الكلمات، وإن ظلت هناك حالات تحتاج إلى معالجة خاصة. أما في العربية، فقد تجتمع عدة عناصر في وحدة كتابية واحدة. فكلمة مثل «وبكتابهم» تضم حرف العطف (Conjunction) «و»، وحرف الجر (Preposition) «بـ»، وأداة التعريف (Definite Article) «الـ»، والاسم «كتاب»، والضمير «هم».
هي كلمة واحدة في شكلها المكتوب، لكنها تتكون من وحدات تؤدي وظائف مختلفة.
ويحتاج النظام إلى معرفة هذه الحدود؛ لأن الخطأ فيها ينتقل إلى المراحل التالية. فإذا عوملت الكلمة كلها بوصفها عنصرًا لا يتجزأ، تعذر أحيانًا تحديد أصلها، أو وظيفتها، أو علاقتها بما حولها.
لهذا يدرس الباحث في اللسانيات الحاسوبية ما يسمى بتقسيم النص إلى وحدات (Tokenization)، ولا يكتفي بالمسافات الظاهرة بين الكلمات.
ما الكلمة التي أمامنا؟
بعد تحديد الوحدة اللغوية (Linguistic Unit) يأتي سؤال آخر: ما طبيعتها؟
قد تدل الصورة الكتابية (Orthographic Form) الواحدة على أكثر من كلمة، أو أكثر من صيغة. فالحروف «كتب» قد تُقرأ «كَتَبَ»، أو «كُتُب»، أو «كُتِبَ»، بحسب الحركات والسياق. وهذه القراءات لا تختلف في النطق وحده، بل تختلف في القسم الكلامي (Part of Speech)، والبنية الصرفية (Morphological Structure)، والمعنى، والدور داخل الجملة.
وهنا يظهر التحليل الصرفي، الذي يحاول التعرف إلى جذر الكلمة (Root)، ووزنها (Pattern)، وصيغتها (Word Form)، ولواصقها (Affixes and Clitics)، وسماتها (Morphosyntactic Features) مثل التذكير (Masculine)، والتأنيث (Feminine)، والإفراد (Singular)، والتثنية (Dual)، والجمع (Plural)، والزمن (Tense).
لكن المحلل الصرفي (Morphological Analyzer) قد يقدم عدة احتمالات للكلمة الواحدة. ويصبح على النظام عندئذ أن يختار التحليل المناسب في السياق، وهي عملية تعرف بإزالة اللبس الصرفي (Morphological Disambiguation).
وهذه ليست مسألة هامشية في العربية؛ لأن كلماتها غنية صرفيًّا، ولأن النصوص العربية تكتب في الغالب من غير حركات، وهو ما يزيد عدد القراءات المحتملة. ويشير مختبر «كامِل» بجامعة نيويورك أبوظبي إلى أن الثراء الصرفي (Morphological Richness)، وغياب التشكيل (Lack of Diacritics)، وارتفاع درجة الالتباس (Ambiguity) تجعل التحليل الصرفي وإزالة اللبس من الأسس المهمة لمعالجة العربية (5).
كيف ترتبط الكلمات بعضها ببعض؟
معرفة الكلمات منفردة لا تكفي لفهم الجملة. فلا بد من تحديد العلاقات التي تربط بينها.
في جملة «قرأ الطفل الكتاب»، نعرف أن «الطفل» هو القارئ، وأن «الكتاب» هو المقروء. لكن هذه العلاقات لا تعتمد دائمًا على ترتيب ثابت؛ إذ يمكن أن نقول: «الكتاب قرأه الطفل»، مع بقاء الأدوار الدلالية (Semantic Roles) الأساسية.
ويحاول التحليل النحوي الحاسوبي (Computational Syntactic Parsing) تمثيل بناء الجملة وتحديد الروابط بين عناصرها. وقد يمثلها في صورة شجرة (Parse Tree) تتفرع منها المكونات، أو في صورة علاقات مباشرة تربط الفعل بفاعله، ومفعوله، والقيود المتعلقة به.
وتظهر الصعوبة حين تحتمل الجملة أكثر من بناء. ففي قولنا: «شاهد الرجل الطفل بالمنظار»، قد يتعلق شبه الجملة (Prepositional Phrase) «بالمنظار» بالفعل، فيكون الرجل قد استعان بالمنظار في المشاهدة. وقد يتعلق بالطفل، فيكون المقصود طفلًا يحمل منظارًا.
يختار الإنسان غالبًا التحليل الأرجح اعتمادًا على السياق، والمعرفة بالعالم، والغرض من الكلام. أما الحاسوب فيحتاج إلى تمثيل هذه الاحتمالات، ثم إلى قرائن تساعده على المفاضلة بينها.
أي معنى تقصده الكلمة؟
لا توجد علاقة ثابتة دائمًا بين الكلمة ومعنى واحد.
فكلمة «ورقة» قد تعني جزءًا من نبات، أو صفحة مكتوبة، أو وثيقة نقدية، أو بحثًا علميًّا. وكلمة «شبكة» قد تدل على أداة للصيد، أو نظام من العلاقات، أو بنية للاتصالات، أو مجموعة من أجهزة الحاسوب.
ويعرف القارئ المعنى المناسب من الكلمات المحيطة ومن موضوع النص. فإذا قرأ «نشر الباحث ورقة»، استبعد غالبًا ورقة الشجر. وإذا قرأ «سقطت ورقة في الخريف»، استبعد البحث العلمي.
وتسمى مهمة اختيار المعنى المقصود للكلمة في سياقها «إزالة الغموض الدلالي» أو «تعيين معنى الكلمة» (Word Sense Disambiguation). وهي مثال واضح على طبيعة اللسانيات الحاسوبية؛ لأنها تبدأ بسؤال لغوي: كيف تتعدد معاني اللفظ؟ ثم تتحول إلى سؤال حاسوبي: ما المعلومات التي يحتاج إليها النظام لاختيار المعنى الصحيح؟
وقد يعتمد الحل على تعريفات معجمية (Dictionary Definitions)، أو كلمات مجاورة، أو أمثلة مشروحة يدويًّا (Manually Annotated Examples)، أو نماذج تتعلم من مدونات نصية كبيرة (Large Text Corpora). لكن نجاح النموذج لا يقاس بقدرته على إنتاج إجابة فحسب، بل بمدى مطابقته للأحكام الصحيحة في مجموعة اختبار (Test Set) لم يرها من قبل.
الكلمات لا تقول كل شيء
قد يفهم النظام كل جملة منفردة، ثم يفشل في فهم الصلة بينها وبين الجمل الأخرى.
تأمل العبارة: «وصلت مريم إلى سلمى بعد أن أنهت عملها». على من يعود الضمير في «عملها»؟ قد يعود على مريم، وقد يعود على سلمى، ولا يمكن الحسم من الجملة وحدها في كثير من السياقات.
وتزداد المسألة تعقيدًا في النصوص الطويلة؛ لأن الشخص نفسه قد يشار إليه باسمه مرة، وبضمير مرة، وبصفته مرة، وبعبارة أخرى مرة. وقد يرد اسم مؤسسة كاملًا، ثم يشار إليها بعد ذلك بكلمة «الجامعة» أو «الشركة».
ويعمل الباحثون في حل الإحالة على ربط هذه الإشارات بالكيانات المقصودة (Referents)، حتى يعرف النظام أن الألفاظ المختلفة قد تتحدث عن الشخص نفسه أو الشيء نفسه.
وبعد مستوى الجملة تأتي مسائل الخطاب: كيف تتماسك الفقرات؟ وما العلاقة بين الجمل؟ وهل الجملة الثانية تفسير للأولى، أو نتيجة لها، أو اعتراض عليها، أو انتقال إلى موضوع جديد؟
وهكذا يتبين أن اللسانيات الحاسوبية لا تدرس الكلمات وحدها، بل تتدرج من الحرف، والصوت، والكلمة، والجملة، إلى النص، والحوار، والسياق.
ماذا يفعل المتخصص في اللسانيات الحاسوبية؟
لا تقتصر مهمة المتخصص على تدريب نموذج جاهز، ولا على كتابة برنامج يقبل نصًّا ويخرج نتيجة.
يبدأ العمل عادة بتحديد المشكلة اللغوية نفسها. فإذا كان الهدف هو التعرف الآلي إلى أسماء الأشخاص، والمؤسسات، والأماكن، فلا بد أولًا من تعريف هذه الفئات، وتحديد الحالات الملتبسة، ووضع قواعد للتعامل مع الألقاب (Titles)، والأسماء المركبة (Multiword Names)، والاختصارات (Abbreviations).
ثم تأتي مرحلة إعداد البيانات (Data Preparation). وقد يجمع الباحث نصوصًا تمثل المجال الذي يدرسه، ثم يضع عليها شروحًا لغوية يدويًّا (Manual Linguistic Annotations). فإذا كانت المهمة صرفية، حدد نوع كل كلمة وسماتها. وإذا كانت المهمة دلالية، حدد المعنى المقصود. وإذا كانت المهمة نحوية، رسم العلاقات بين عناصر الجملة.
وبعد ذلك يبنى النموذج. وقد يكون قائمًا على قواعد لغوية مكتوبة، أو على طرائق إحصائية، أو على تعلم الآلة (Machine Learning)، أو على مزيج من هذه المناهج.
ثم تأتي مرحلة التقييم (Evaluation). فلا يكفي أن تبدو بعض النتائج جيدة؛ بل يجب اختبار النظام على بيانات محددة، وحساب نسبة الصواب (Accuracy)، وتحليل أنواع الأخطاء (Error Analysis)، ومعرفة المواضع التي ينجح فيها والمواضع التي يفشل فيها.
ولهذا يحتاج المتخصص إلى معرفة باللغة، والبيانات، والخوارزميات (Algorithms)، وأساليب التقييم. وقد يعمل في الفريق نفسه لسانيون، ومبرمجون، ومهندسو تعلم آلي، ومتخصصون في المجال الذي تنتمي إليه النصوص.
ما الفرق بينها وبين معالجة اللغة الطبيعية؟
يستعمل مصطلحا «اللسانيات الحاسوبية» و«معالجة اللغة الطبيعية» (Natural Language Processing) أحيانًا بوصفهما مترادفين، حتى إن جمعية اللسانيات الحاسوبية تشير إلى أن المشكلات المتعلقة باللغة البشرية والحوسبة تعرف غالبًا بأحد الاسمين (1).
ومع ذلك، يفيد التمييز التقريبي بين زاويتين داخل المجال.
تميل اللسانيات الحاسوبية إلى التركيز على دراسة الظواهر اللغوية وبناء نماذج حاسوبية تفسرها أو تمثلها. أما معالجة اللغة الطبيعية فتميل إلى التركيز على تطوير الأنظمة القادرة على تحليل اللغة، أو توليدها، أو استعمالها في تطبيق عملي.
فقد يدرس باحث كيفية تمثيل البنية النحوية للعربية تمثيلًا حاسوبيًّا، بينما يستخدم باحث آخر هذا التمثيل لتحسين نظام للترجمة. الأول أقرب إلى السؤال العلمي اللغوي، والثاني أقرب إلى التطبيق الهندسي، لكن كليهما يعمل في المساحة نفسها، وقد يجمع المشروع الواحد بين العملين.
وتصف مقدمة جاكوب آيزنشتاين لمعالجة اللغة الطبيعية المجال التطبيقي بأنه يضم طرائق حاسوبية لفهم اللغة البشرية، وتوليدها، ومعالجتها، مع الجمع بين التمثيلات اللغوية (Linguistic Representations)، والخوارزميات التقليدية، وتقنيات تعلم الآلة الحديثة (3).
وما علاقتها بالذكاء الاصطناعي؟
الذكاء الاصطناعي (Artificial Intelligence) أوسع من اللسانيات الحاسوبية. فهو يشمل مجالات مثل الرؤية الحاسوبية (Computer Vision)، والروبوتات (Robotics)، والتخطيط الآلي (Automated Planning)، والألعاب (Game Playing)، والتعلم الآلي، إلى جانب تقنيات اللغة (Language Technologies).
أما اللسانيات الحاسوبية فمجالها الأساسي هو اللغة البشرية. وقد تستعمل أدوات من الذكاء الاصطناعي، لكنها لا تختزل فيه. فبعض أبحاثها يعتمد على القواعد، والمنطق (Logic)، والمعاجم (Lexicons)، والنظريات النحوية (Syntactic Theories)، وبعضها يعتمد على الإحصاء، وتعلم الآلة، والشبكات العصبية (Neural Networks).
كما أن النماذج اللغوية الضخمة (Large Language Models) ليست هي اللسانيات الحاسوبية كلها. إنها نوع من النماذج التي تعمل داخل مساحة أوسع تضم التحليل الصرفي، والمعاجم الحاسوبية (Computational Lexicons)، والمدونات المشروحة (Annotated Corpora)، والتحليل النحوي، وتمثيل الدلالة، ومعالجة الكلام (Speech Processing)، وتقييم الأنظمة (System Evaluation).
وقد أصبحت النماذج الحديثة أداة بارزة في المجال، لكنها لم تلغ الأسئلة القديمة: ما الكلمة؟ وما معناها؟ وما علاقتها بما حولها؟ وكيف نعرف أن الإجابة صحيحة؟
لماذا تمثل العربية حالة مهمة؟
تكشف العربية بوضوح أن اللغة لا يمكن معالجتها حاسوبيًّا بمجرد نقل الأدوات المصممة للغات أخرى.
فهي لغة اشتقاقية (Derivational Language) غنية، تتولد كلمات كثيرة فيها من الجذور والأوزان (Roots and Patterns). كما تتصل بالكلمة حروف العطف، وحروف الجر، وأدوات التعريف، والضمائر، وعلامات الزمن، والعدد، والجنس (Tense, Number, and Gender Markers).
وقد تحمل الوحدة المكتوبة عدة عناصر لغوية في وقت واحد. وقد ينتج من غياب التشكيل عدد من التحليلات المختلفة. كما توجد فروق إملائية (Orthographic Variations)، وتنوعات بين العربية القديمة والعربية المعاصرة، واختلافات واسعة بين الفصحى (Standard Arabic) واللهجات (Arabic Dialects).
وقد بينت دراسات التحليل الصرفي للهجات العربية (Morphological Analysis of Dialectal Arabic) أن ثراء التصريف (Inflectional Richness)، وكثرة اللواصق، وغياب التشكيل، وعدم استقرار بعض الكتابات اللهجية ترفع درجة الالتباس وتزيد صعوبة المعالجة الآلية (Automatic Processing) (4).
ولا تعني هذه الصعوبات أن العربية عصية على الحوسبة، بل تعني أن بناء أدوات جيدة لها يحتاج إلى فهم خصائصها، وإعداد موارد مناسبة لها، وعدم معاملتها كما لو كانت نسخة من لغة أخرى.
وتوجد بالفعل أدوات عربية للتحليل الصرفي، وإزالة اللبس، وتحديد اللهجات، والتعرف إلى أسماء الأشخاص والمؤسسات، وتحليل المشاعر. ومن أمثلتها حزمة «CAMeL Tools» المفتوحة المصدر، التي تضم أدوات للمعالجة الأولية (Preprocessing)، والنمذجة الصرفية (Morphological Modeling)، وتحديد اللهجة (Dialect Identification)، والتعرف إلى الكيانات المسماة (Named Entity Recognition)، وتحليل المشاعر (Sentiment Analysis) (6).
أين نرى نتائج اللسانيات الحاسوبية؟
تظهر نتائج هذا المجال في تطبيقات نستخدمها يوميًّا، لكن التطبيق الظاهر ليس سوى النهاية العملية لسلسلة من المسائل اللغوية.
فمحرك البحث (Search Engine) يحتاج إلى معرفة أن الكلمات قد تأتي بصيغ مختلفة، وأن عبارة المستخدم قد تقصد موضوعًا لا تذكره الألفاظ بالطريقة نفسها الموجودة في الوثيقة.
والمدقق الإملائي (Spell Checker) يحتاج إلى التمييز بين الخطأ، والكلمة الصحيحة النادرة، والاسم الخاص (Proper Name)، والصيغة التي لا تلائم السياق.
ونظام الترجمة (Machine Translation System) يحتاج إلى تحليل الكلمات، وبناء الجمل، والمعاني، والعلاقات بين أجزاء النص، ثم إعادة التعبير عنها بلغة أخرى.
ونظام التعرف إلى الكلام (Speech Recognition System) يحتاج إلى تحويل الإشارة الصوتية (Speech Signal) إلى وحدات لغوية، ثم المفاضلة بين كلمات متقاربة في النطق.
والمعجم الرقمي المتقدم (Advanced Digital Lexicon) لا يكتفي بعرض المادة الورقية على شاشة، بل قد يربط بين الجذر، والصيغة، والمعنى، والشاهد (Citation)، والعلاقات الدلالية (Semantic Relations)، ومواضع الاستعمال.
لهذا تدخل أبحاث اللسانيات الحاسوبية في محركات البحث، والمحررات النصية (Text Editors)، وأنظمة التعرف إلى الكلام، وأنظمة تحويل النص إلى صوت (Text-to-Speech Systems)، وأدوات تعليم اللغات (Computer-Assisted Language Learning Tools)، وغير ذلك من التقنيات اللغوية (1).
ليست المسألة أن يتكلم الحاسوب
قد يبدو الهدف النهائي هو جعل الآلة تتحدث مثل الإنسان، لكن هذا التصور يختزل المجال اختزالًا شديدًا.
السؤال الأعمق هو: كيف يمكن وصف اللغة وصفًا دقيقًا يكشف انتظامها، ويعالج غموضها، ويمثل بنيتها، ويتيح للحاسوب إجراء عمليات مفيدة عليها؟
قد تكون النتيجة نظامًا يترجم، أو يبحث، أو يلخص. وقد تكون النتيجة معجمًا حاسوبيًّا، أو مدونة مشروحة، أو محللًا صرفيًّا، أو نموذجًا يختبر فرضية لغوية (Linguistic Hypothesis). وقد لا يراها المستخدم في تطبيق مباشر، لكنها تصبح أساسًا تبنى عليه تطبيقات أخرى.
وهنا تكمن خصوصية اللسانيات الحاسوبية: إنها لا تنظر إلى اللغة بوصفها نصوصًا يمكن تخزينها فحسب، ولا إلى الحاسوب بوصفه آلة أسرع من الإنسان فحسب. إنها تحاول بناء جسر بين طبيعة اللغة، ودقة الوصف العلمي، وقدرة الحاسوب على الحساب والمعالجة.
وفي كل مرة يحدد فيها نظام معنى كلمة من سياقها، أو يربط ضميرًا بصاحبه، أو يحلل صيغة عربية مركبة، أو يميز اسم شخص من اسم مكان، يكون هذا الجسر قد أدى جزءًا من وظيفته.
المصادر والمراجع
- Association for Computational Linguistics. What is the ACL and What is Computational Linguistics? ACL Member Portal.
https://www.aclweb.org/portal/what-is-cl - Jurafsky, Daniel، وMartin, James H. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models، الطبعة الثالثة، مسودة منشورة على الإنترنت، 2026.
https://web.stanford.edu/~jurafsky/slp3/ - Eisenstein, Jacob. Introduction to Natural Language Processing. The MIT Press، 2019.
https://mitpress.mit.edu/9780262042840/introduction-to-natural-language-processing/ - Habash, Nizar، وRoth, Ryan، وRambow, Owen، وEskander, Ramy، وTomeh, Nadi. “Morphological Analysis and Disambiguation for Dialectal Arabic.” Proceedings of NAACL-HLT 2013، Association for Computational Linguistics، ص 426–432.
https://aclanthology.org/N13-1044/ - New York University Abu Dhabi، CAMeL Lab. Morphological Analysis of Arabic.
https://nyuad.nyu.edu/en/research/faculty-labs-and-projects/computational-approaches-to-modeling-language-lab/research/morphological-analysis-of-arabic.html - Obeid, Ossama، وآخرون. “CAMeL Tools: An Open Source Python Toolkit for Arabic Natural Language Processing.” Proceedings of the Twelfth Language Resources and Evaluation Conference، 2020، ص 7022–7032.
https://aclanthology.org/2020.lrec-1.868
