MASRAD：阿拉伯术语管理语料库及其半自动构建方法
计算与语言
2025-10-08 v2
摘要
本文提出MASRAD，一套用于阿拉伯术语管理的语料库，以及用于其半自动构建的方法及支持工具。MASRAD中的条目为配对，即外来（非阿拉伯）术语出现在专业、学术和领域特定书籍中时，其阿拉伯对应项。MASRAD-Ex系统性地提取这些配对作为构建MASRAD的第一步。MASRAD有助于提高学术翻译和专业阿拉伯文档中的术语一致性，并实现跨语言文本处理。MASRAD-Ex利用阿拉伯书籍中有机出现的翻译术语，考虑每个术语短语的多个候选配对。候选阿拉伯术语出现在外来术语旁边，且长度各异。MASRAD-Ex计算每个候选配对的 lexicographic、phonetic、morphological和semantic相似性指标，并使用启发式方法、机器学习方法以及带后处理的机器学习方法决定最佳候选。本文在经过严格专家审核后呈现MASRAD，并将其提供给有兴趣的研究社区。最佳性能的MASRAD-Ex方法实现了90.5%的精确率和92.4%的召回率。
引用
@article{arxiv.2503.19211,
title = {MASRAD: Arabic Terminology Management Corpora with Semi-Automatic Construction},
author = {Mahdi Nasser and Laura Sayyah and Fadi A. Zaraket},
journal= {arXiv preprint arXiv:2503.19211},
year = {2025}
}