索拉尼库尔德语文本中的习语检测

习语检测使用自然语言处理（NLP）是通过计算机化过程识别文本中超出字面意义的修辞表达。尽管习语检测在 various languages 中取得了显著进展，但库尔德语在该领域仍面临显著研究空白，尽管习语在机器翻译和情感分析等任务中至关重要。本研究以文本分类任务的方式，使用深度学习技术针对索拉尼库尔德语进行习语检测。为此，我们开发了一个包含10,580句话、涵盖101个索拉尼库尔德语习语的语料库。基于该语料库，我们开发并评估了三个深度学习模型：KuBERT-based变换器序列分类、循环卷积神经网络（RCNN），以及带注意力机制的双向长短期记忆网络（BiLSTM）。评估结果显示，变换器模型（即微调的BERT）始终优于其他模型，准确率几乎达到99%，而RCNN达到96.5%，BiLSTM达到80%。这些结果凸显了基于变换器的架构在低资源语言（如库尔德语）中的有效性。这一研究提供了语料库、三个优化模型以及习语检测的见解，为推动库尔德语NLP的发展奠定了基础。