論文の概要: Automatic Classification of Arabic Literature into Historical Eras

• arxiv url: http://arxiv.org/abs/2601.16138v1
• Date: Thu, 22 Jan 2026 17:32:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.674029
• Title: Automatic Classification of Arabic Literature into Historical Eras
• Title（参考訳）: アラビア文学の歴史的時代への自動分類
• Authors: Zainab Alhathloul, Irfan Ahmad,
• Abstract要約: 本稿では、ニューラルネットワークとディープラーニング技術を用いて、アラビア語のテキストを異なる時代と時代に自動的に分類する。 提案モデルは、2つの公用コーパスから得られた2つのデータセットを用いて評価され、イスラム以前のテキストから現代までのテキストをカバーしている。 結果は、OpenITIデータセットとAPCDデータセットを使用してバイナリ時代の分類タスクにおいて、それぞれ0.83と0.79のF1スコアから変化している。
• 参考スコア（独自算出の注目度）: 2.3419031955865517
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Arabic language has undergone notable transformations over time, including the emergence of new vocabulary, the obsolescence of others, and shifts in word usage. This evolution is evident in the distinction between the classical and modern Arabic eras. Although historians and linguists have partitioned Arabic literature into multiple eras, relatively little research has explored the automatic classification of Arabic texts by time period, particularly beyond the domain of poetry. This paper addresses this gap by employing neural networks and deep learning techniques to automatically classify Arabic texts into distinct eras and periods. The proposed models are evaluated using two datasets derived from two publicly available corpora, covering texts from the pre-Islamic to the modern era. The study examines class setups ranging from binary to 15-class classification and considers both predefined historical eras and custom periodizations. Results range from F1-scores of 0.83 and 0.79 on the binary-era classification task using the OpenITI and APCD datasets, respectively, to 0.20 on the 15-era classification task using OpenITI and 0.18 on the 12-era classification task using APCD.
• Abstract（参考訳）: アラビア語は、新しい語彙の出現、他人の陳腐化、単語使用の変化など、時間とともに顕著な変化を遂げてきた。 この進化は、古典と現代アラビア語の区別において明らかである。 歴史家や言語学者はアラビア文学を複数の時代に分けてきたが、特に詩の領域を超えて、アラビア語のテキストを自動的に分類する研究はほとんど行われていない。 本稿では、ニューラルネットワークとディープラーニング技術を用いて、アラビア語のテキストを異なる時代と時代に自動的に分類することで、このギャップに対処する。 提案モデルは、2つの公用コーパスから得られた2つのデータセットを用いて評価され、イスラム以前のテキストから現代までのテキストをカバーしている。 本研究は、二項分類から15階分類までのクラス設定について検討し、予め定義された歴史時代とカスタム・周期化の両方について考察した。 結果は、OpenITIおよびAPCDデータセットを用いたバイナリ時代の分類タスクのF1スコアの0.83と0.79から、OpenITIを用いた15世紀の分類タスクの0.20と、APCDを用いた12世紀の分類タスクの0.18まで様々である。

関連論文リスト

• DialectalArabicMMLU: Benchmarking Dialectal Capabilities in Arabic and Multilingual Language Models [54.10223256792762]
  アラビア方言における大規模言語モデル(LLM)の性能評価のための新しいベンチマークであるDialectalArabicMMLUを提案する。 MMLU-Redux フレームワークを手動で翻訳し、3K 個の質問応答対を5つの主要な方言に適応することで拡張する。
  論文  参考訳（メタデータ） (2025-10-31T15:17:06Z)
• Second Language (Arabic) Acquisition of LLMs via Progressive Vocabulary Expansion [70.23624194206171]
  本稿では,アラブ世界における大規模言語モデル(LLM)の民主化の必要性に対処する。 アラビア語のLLMの実用的な目的の1つは、復号を高速化するトークン化器にアラビア語固有の語彙を使用することである。 第二言語(アラビア語)による人への獲得の間に語彙学習に触発されたAraLLaMAは、進歩的な語彙拡張を採用している。
  論文  参考訳（メタデータ） (2024-12-16T19:29:06Z)
• A multi-level multi-label text classification dataset of 19th century Ottoman and Russian literary and critical texts [8.405938712823563]
  本稿では,3000以上の文書からなる多レベル多言語テキスト分類データセットを提案する。 このデータセットは19世紀のトルコ語とロシア語の文学的および批判的なテキストを特徴としている。 このデータセットに大規模言語モデル(LLM)を適用した最初の研究である。
  論文  参考訳（メタデータ） (2024-07-21T12:14:45Z)
• ALDi: Quantifying the Arabic Level of Dialectness of Text [17.37857915257019]
  我々は、アラビア語話者が方言のスペクトルを知覚し、文レベルでアラビア方言レベル(ALDi)として機能すると主張している。 AOC-ALDiの詳細な分析を行い、訓練したモデルが他のコーパスの方言のレベルを効果的に識別できることを示す。
  論文  参考訳（メタデータ） (2023-10-20T18:07:39Z)
• AceGPT, Localizing Large Language Models in Arabic [73.39989503874634]
  本稿では,アラビア語のテキストによる事前学習,ネイティブなアラビア語命令を利用したSFT(Supervised Fine-Tuning),アラビア語のGPT-4応答を含む総合的なソリューションを提案する。 目標は、文化的に認知され、価値に整合したアラビア語のLLMを、多様で応用特有のアラビア語コミュニティのニーズに適応させることである。
  論文  参考訳（メタデータ） (2023-09-21T13:20:13Z)
• Sentiment Analysis in Poems in Misurata Sub-dialect -- A Sentiment Detection in an Arabic Sub-dialect [0.0]
  この研究は、リビアで話されているミシュラタ・アラビア語サブ方言で書かれた詩の感情を検出することに焦点を当てた。 データセットから感情を検出するために使用されるツールは、SklearnとMazajak sentiment tool 1.1である。
  論文  参考訳（メタデータ） (2021-09-15T10:42:39Z)
• New Arabic Medical Dataset for Diseases Classification [55.41644538483948]
  いくつかのアラブの医療ウェブサイトから収集された2000の医療資料を含む、アラブの医療データセットを新たに導入する。 データセットはテキストの分類作業のために構築され、10つのクラス(Blood, Bone, Cardiovascular, Ear, Endocrine, Eye, Gastrointestinal, Immune, Liver, Nephrological)を含んでいる。 データセットの実験は、GoogleのBERT、大きなアラビアのコーパスを持つBERTに基づくアラビアト、アラビアの医療コーパスをベースとしたAraBioNERの3つの事前トレーニングモデルによって行われた。
  論文  参考訳（メタデータ） (2021-06-29T10:42:53Z)
• AraDIC: Arabic Document Classification using Image-Based Character Embeddings and Class-Balanced Loss [7.734726150561088]
  本稿では,アラビア文書イメージベース分類器 (AraDIC) を新たに提案する。 AraDICは画像ベースの文字エンコーダと分類器から構成される。長期データ分散問題に対処するために、クラスバランス損失を用いてエンドツーエンドで訓練される。 我々の知る限りでは、アラビア文字分類の問題に対処する最初の画像ベースの文字埋め込みフレームワークである。
  論文  参考訳（メタデータ） (2020-06-20T14:25:06Z)
• TArC: Incrementally and Semi-Automatically Collecting a Tunisian Arabish Corpus [3.8580784887142774]
  本稿では,第1次チュニジア・アラブ人コーパス(TArC)の構成過程について述べる。 アラビア語(アラビア語: Arabizi)は、アラビア語の方言をラテン文字とアリスモグラフ(文字として使われる数字)で自発的に符号化したものである。
  論文  参考訳（メタデータ） (2020-03-20T22:29:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。