Natural Language Processing of Semitic Languages

تحقیق در پردازش زبان طبیعی (NLP) در سال‌های اخیر به سرعت پیشرفت کرده است که منجر به الگوریتم‌های هیجان‌انگیز برای پردازش پیچیده متن و گفتار در زبان‌های مختلف شده است. بیشتر این کار بر زبان انگلیسی متمرکز است. در این کتاب به گروه دیگری از زبان‌های جالب و چالش برانگیز برای تحقیقات NLP می‌پردازیم: زبان‌های سامی. گروه زبان‌های سامی شامل عربی (206 میلیون زبان مادری)، آمهری (27 میلیون)، عبری (7 میلیون)، تیگرینیایی (6.7 میلیون)، سریانی (1 میلیون) و مالتی (419 هزار نفر) است. زبان‌های سامی فرآیندهای صرفی منحصربه‌فردی، ساختارهای نحوی چالش برانگیز و پدیده‌های مختلف دیگری را نشان می‌دهند که در سایر زبان‌های طبیعی کمتر رایج هستند. این چالش ها راه حل های منحصر به فردی را می طلبد که بسیاری از آنها در این کتاب توضیح داده شده است.

13 فصل ارائه شده در این کتاب، دانشمندان برجسته از چندین دانشگاه و مؤسسه تحقیقاتی در سراسر جهان را گرد هم می آورد. در حالی که این کتاب به الگوریتم‌ها و تکنیک‌های پیشرفته توجه دارد، هدف اصلی آن توضیح کامل بهترین شیوه‌ها در این زمینه است. علاوه بر این، هر فصل توضیح می‌دهد که چگونه تکنیک‌های مورد بحث برای زبان‌های سامی کاربرد دارند. این کتاب هر دو رویکرد آماری به NLP را پوشش می‌دهد، که امروزه در برنامه‌های مختلف غالب هستند و رویکردهای سنتی‌تر مبتنی بر قانون، که برای چندین حوزه کاربردی دیگر مفید هستند. ما امیدواریم که این کتاب "یک مرحله ای" را برای تمام پیشینه های لازم و توصیه های عملی در هنگام ساخت برنامه های NLP برای زبان های سامی ارائه دهد.

Research in Natural Language Processing (NLP) has rapidly advanced in recent years, resulting in exciting algorithms for sophisticated processing of text and speech in various languages. Much of this work focuses on English; in this book we address another group of interesting and challenging languages for NLP research: the Semitic languages. The Semitic group of languages includes Arabic (206 million native speakers), Amharic (27 million), Hebrew (7 million), Tigrinya (6.7 million), Syriac (1 million) and Maltese (419 thousand). Semitic languages exhibit unique morphological processes, challenging syntactic constructions and various other phenomena that are less prevalent in other natural languages. These challenges call for unique solutions, many of which are described in this book.

The 13 chapters presented in this book bring together leading scientists from several universities and research institutes worldwide. While this book devotes some attention to cutting-edge algorithms and techniques, its primary purpose is a thorough explication of best practices in the field. Furthermore, every chapter describes how the techniques discussed apply to Semitic languages. The book covers both statistical approaches to NLP, which are dominant across various applications nowadays and the more traditional, rule-based approaches, that were proven useful for several other application domains. We hope that this book will provide a "one-stop-shop'' for all the requisite background and practical advice when building NLP applications for Semitic languages.