arXiv cs.CL· Noor Abo Mokh, Mohamed Adel, Jamila El-Gizuli, Go Inoue, Ahmed Elshabrawy, Nizar Habash·· 12 小时前AI 评分20
MADARTB：覆盖五种城市方言的并行阿拉伯语依存树库
A Parallel Multi-Dialect Arabic Dependency Treebank
AI 导读
MADARTB 是首个大规模并行阿拉伯语依存树库，覆盖贝鲁特、开罗、多哈、拉巴特和突尼斯五种城市方言，共 5,000 句，采用 CATiB 依存标注方案，并扩展了已有的并行 MSA 版本。
正文 · AI 翻译
摘要：阿拉伯语的依存句法分析资源开发主要集中于现代标准阿拉伯语，而方言阿拉伯语相对资源匮乏。我们推出 MADARTB，这是首个覆盖五种城市方言的大规模平行依存树库：贝鲁特、开罗、多哈、拉巴特和突尼斯，并扩展了现有的平行 MSA 版本。MADARTB 共包含 5,000 个句子，采用 CATiB 依存方案标注。我们分析了所有城市方言与 MSA 之间的句法相似性。尽管全局构式分布在各方言变体间表现出高度相似性，但局部句法结构经常出现分歧，揭示出方言间存在显著的结构变异。我们进一步使用一个监督解析器和四个 LLM 建立了跨方言依存句法分析比较。在测试集上，监督解析器达到 87.5% LAS，而最佳 LLM 配置在全部六种变体上以 85.7% LAS 落后。我们公开发布标注和模型。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.28823 [cs.CL] |
| （或 arXiv:2610.28823v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28823 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Noor Abo Mokh [查看电子邮件]
[v1]
2026年10月20日 星期二 18:45:40 UTC（8,583 KB）
来源：arXiv cs.CL · arxiv.org