arXiv cs.CL· Mohammed Damom, Mohammed Q. Shormani, Muneef Y. Alshawsh, Ashraf A. Naji, Mustafa Ali Alhamzi, Fawwaz An-Nashef, Jameel Ahmed Elayah, Noman AL-Sayadi·· 6 天前AI 评分22
生成语法驱动的神经符号框架如何解决阿拉伯语 DP 句法歧义
A generative-informed neuro-symbolic framework for syntactic ambiguity resolution: Evidence from Arabic DPs
AI 导读
一项研究提出生成语法驱动的神经符号框架，结合生成句法理论与 AraBERT，将现代标准阿拉伯语 DP 的结构歧义建模为候选决策任务，在未见评测集上取得 96.88% 准确率、95.92% macro-F1、96.83% weighted F1 和 93.94% binary F1。
正文 · AI 翻译
摘要：句法歧义对阿拉伯语 NLP 构成持续挑战，尤其是在形态丰富的名词性结构中，同一表层序列可能兼容多种结构解释。本研究提出一个生成语法启发的神经符号框架，用于消解现代标准阿拉伯语（MSA）DP 中的结构歧义。该框架将生成句法概念与 AraBERT 相结合，把歧义表示为一个基于候选的决策任务，其中语言学上合理的备选项被显式构造，并通过候选条件化的输入表示进行评估。研究结果表明，该模型在未见评估集上达到 96.88% 的准确率、95.92% 的宏 F1、96.83% 的加权 F1 和 93.94% 的二元 F1。类别层面分析揭示了不对称表现，High/VP Attachment（N1）的召回率为 99.71%，Low/NP/Embedded Attachment（N2）的召回率为 89.26%，表明恢复嵌入解释的难度更大。研究得出结论，形式句法表示可以在基于 Transformer 的 NLP 中操作化，作为语言结构与上下文神经建模之间的显式接口，为阿拉伯语句法歧义消解及更广泛领域提供了一种可控且可解释的方法。
| Subjects: | Computation and Language (cs.CL) |
| ACM classes: | F.2.2; I.2.7 |
| Report number: | 28 pages, 3 Figures, 2 Tables |
| Cite as: | arXiv:2610.02529 [cs.CL] |
| (or arXiv:2610.02529v2 [cs.CL] for this version) | |
| https://doi.org/10.48550/arXiv.2610.02529 arXiv-issued DOI via DataCite |
Submission history
From: Mohammed Q. Shormani Mr [view email]
[v1]
Thu, 1 Oct 2026 22:00:08 UTC (890 KB)
[v2]
Fri, 9 Oct 2026 13:13:07 UTC (917 KB)
来源：arXiv cs.CL · arxiv.org