阿拉伯语历史研究：语言技术与大规模历史语料库
计算与语言
2018-09-12 v1
摘要
阿拉伯语是一种使用广泛且历史悠久、底蕴深厚的语言，但现有语料库与语言技术大多聚焦于现代阿拉伯语及其变体。因此，迄今为止对该语言历史的研究大多局限于小规模的手动分析。在本工作中，我们呈现了一个跨越 1400 年的大规模书面阿拉伯语历史语料库。我们描述了利用阿拉伯语 NLP 工具（包括复用文本的识别）对该语料库进行清洗与处理的努力。我们采用一种新颖的自动时期划分算法以及其他技术来研究阿拉伯语的历史。我们的发现证实了书面阿拉伯语被划分为现代标准阿拉伯语与古典阿拉伯语的既定分界，并证实了其他既有的时期划分，同时提示书面阿拉伯语或可进一步划分为更多的发展时期。
引用
@article{arxiv.1809.03891,
title = {Studying the History of the Arabic Language: Language Technology and a Large-Scale Historical Corpus},
author = {Yonatan Belinkov and Alexander Magidow and Alberto Barrón-Cedeño and Avi Shmidman and Maxim Romanov},
journal= {arXiv preprint arXiv:1809.03891},
year = {2018}
}