提升阿拉伯语反向词典系统：一种基于 Transformer 的方法及其数据集构建指南

本研究通过开发一种有效的阿拉伯语逆向词典（RD）系统，解决了阿拉伯语自然语言处理领域的关键空白，该系统使用户能够根据单词的描述或意义查找单词。我们提出了一种新颖的基于 Transformer 的方法，该方法采用具有几何递减层的半编码器神经网络架构，在阿拉伯语 RD 任务上取得了最先进的结果。我们的方法论包含一个全面的数据集构建过程，并建立了阿拉伯语词典定义的正式质量标准。对各种预训练模型进行的实验表明，阿拉伯语专用模型显著优于通用多语言嵌入，其中 ARBERTv2 取得了最佳排名得分（0.0644）。此外，我们提供了逆向词典任务的形式化抽象，增强了理论理解，并开发了一个具有可配置训练管道的模块化、可扩展的 Python 库（RDTL）。我们对数据集质量的分析揭示了改进阿拉伯语定义构建的重要见解，从而形成了构建高质量逆向词典资源的八项具体标准。这项工作对阿拉伯语计算语言学做出了重要贡献，并为阿拉伯语的语言学习、学术写作和专业交流提供了有价值的工具。