В Саудовской Аравии представили «Список Эр-Рияда» из 5 тысяч самых частых слов арабского языка

Международный центр имени короля Салмана по арабскому языку выпустил «Список Эр-Рияда наиболее употребительных слов современного арабского языка», включающий 5 тысяч наиболее часто встречающихся лексем. Новый ресурс призван стать авторитетной языковой базой для лексикографических исследований, преподавания арабского, а также для задач искусственного интеллекта и обработки арабской речи. Проект реализован в рамках усилий центра по развитию языковых ресурсов и данных.

Как сообщили в центре на платформе X, список составлен на основе масштабного языкового корпуса, содержащего около 1 746 934 881 слова из более чем 2 573 805 текстов, собранных из различных источников: газет, книг, диссертаций, научных журналов, периодики, интернет-сайтов, лекций, семинаров, учебных программ, новостных агентств, официальных публикаций и других.

Генеральный секретарь центра доктор Абдулла бен Салех аль-Вашми отметил, что развитие языковых ресурсов на основе больших данных способствует поддержке исследований и приложений, связанных с арабским языком, а также предоставляет надежные справочные материалы для учёных и специалистов, изучающих лексику, её употребление и распространённость. По его словам, запуск «Списка Эр-Рияда» — часть работы центра по созданию и открытию языковых ресурсов, что укрепляет позиции арабского языка в науке, технологиях и образовании.

В качестве единицы подсчёта в списке использована лемма: все слова корпуса были автоматически проанализированы с точки зрения лексики и морфологии, а различные формы приведены к словарной основе. Итоговые данные прошли тщательную ручную проверку, при этом из списка исключили специфические элементы, такие как числа, аббревиатуры, знаки препинания и имена собственные.

«Список Эр-Рияда» содержит разнообразную языковую информацию о словах: части речи, корни, семантические поля, отношения синонимии и антонимии, а также классификацию по происхождению. Слова представлены в интерактивном и аудиоформате — по частоте, частям речи и в алфавитном порядке, что позволяет специалистам использовать данные в различных областях.

Список даёт количественную оценку распространённости слов в современных арабских текстах, что помогает определять приоритеты для составления словарей, отбора лексики и создания учебных материалов, а также для анализа распространения и характеристик слов. Его можно применять в компьютерной обработке текстов и образовательных программах, например, для анализа текстов и оценки их читаемости.

«Список Эр-Рияда наиболее употребительных слов современного арабского языка» доступен в цифровом формате в электронной библиотеке центра: https://https://library.ksaa.gov.sa/index, а также представлен в интерактивном виде на платформе «Фалак» для языковых корпусов: https://falak.ksaa.gov.sa/frequency-lists/methodology, где можно ознакомиться с подробной статистикой и расширить возможности использования ресурса в исследованиях и языковых приложениях.

Центр имени короля Салмана продолжает работу по созданию и открытию языковых ресурсов и данных для исследователей и специалистов, что способствует развитию арабского контента, научных исследований и технологий, связанных с арабским языком.

Посмотреть твит на платформе X