تجاوز إلى المحتوى الرئيسي
TawjihiAI: دراسة التوجيهيادرس وتدرّب من هاتفكحمّل التطبيق
تنظيف البيانات ⁦(Data Cleaning)⁩

تُزالُ علامات الترقيم والحركات والرموز والروابط غير المرغوب بها، والتي يمكن أن يسبب وجودها عدم الحصول على نتيجة دقيقة

توحيد البيانات ⁦(Normalization)⁩

خطوة مهمة تضمن اتساق النصوص وتوحيدها قبل البدء في العمليات الأخرى مثل التحليل أو التصنيف

استخراج جذر الكلمات ⁦(Stemming)⁩

استخراج أصل الكلمة الذي نشأت منه

استخراج الصفات/الخصائص ⁦(Feature Extraction)⁩

في هذه المرحلة تُحوَّلُ النصوص إلى تمثيلات رقمية، يمكن للنماذج التعامل معها

تقييم النموذج ⁦(Model Evaluation)⁩

مرحلة أساسية ومهمة لقياس أداء النموذج باستخدام مقاييس مختلفة؛ للتأكد من أنه يعمل بشكل جيد على البيانات الفعلية

التقسيم والتجزئة ⁦(Tokenization)⁩

تجزئة النص تعني تقسيمه إلى أجزاء ⁦(Tokens)⁩ بناءً على عناصر معينة، مثل الكلمات أو الجمل

تحليل الصرف ⁦(Morphological Analysis)⁩

تشمل دراسة هيكل الكلمات وتكوينها؛ حيث تُحلَّل الكلمات إلى جذورها، وإلى صيغة وتصريف؛ لفهم كيفية تشكيل الكلمة ومعناها

تحليل النحو ⁦(Syntactic Analysis)⁩

يتضمن تحليل النحو دراسة بنية الجمل وتركيبها. تُحدَّد كيفية ترتيب الكلمات في الجملة، وتُحدَّد العلاقات النحوية بينها

تحليل الدلالة ⁦(Semantic Analysis)⁩

يهدف تحليل الدلالة إلى فهم المعنى الحقيقي للكلمات والجمل

استخراج المعلومات ⁦(Information Extraction)⁩

عملية أساسية لتحويل النصوص غير المنظمة إلى بيانات منظمة وقابلة للتحليل

التعرف إلى الكيانات المسماة ⁦(Named Entity Recognition – NER)⁩

ويتضمن تحديد أسماء الأشخاص، والأماكن، والمنظمات، وغيرها في النص

استخراج العلاقات ⁦(Relation Extraction)⁩

عملية تحديد الروابط بين الكيانات المسماة في النصوص وفهمها

تحليل المشاعر ⁦(Sentiment Analysis)⁩

عملية تحديد المشاعر المعبر عنها في النصوص وتصنيفها

الاستنتاج النصي ⁦(Textual Inference)⁩

يتمثل في القدرة على استنتاج معلومات جديدة أو غير مباشرة من النصوص المتاحة

التلخيص التلقائي ⁦(Automatic Summarization)⁩

يتضمن تلخيص النصوص الطويلة إلى نصوص مختصرة

الترجمة الآلية ⁦(Machine Translation)⁩

تتضمن ترجمة النصوص من لغة إلى أخرى

المحولات ⁦(Transformer)⁩

وتعد الأكثر تطورًا، وتُستخدم في بناء أكبر النماذج التي تحلّ مشكلات/تطبيقات كبيرة مثل ⁦GPT-3⁩

نماذج اللغة الكبيرة ⁦(Large Language Models)⁩

نماذج مدرّبة على كميات ضخمة جدًا من البيانات النصية؛ حيث يمكنها فهم نصوص وتوليدها بطريقة متقدمة وبدقة عالية

التعرف على الكلام ⁦(Speech Recognition)⁩

يُحوَّل الكلام المنطوق لنص مكتوب

آخر تحديث:

معاينة موضوع «معالجة اللغات الطبيعية» من وحدة «الذكاء الاصطناعي» في مادة المهارات الرقمية. أقسام الشرح: ٢٢، التعريفات: ١٩، الأسئلة المحلولة: ٥.

المصدر: المركز الوطني لتطوير المناهج، معالجة اللغات الطبيعية (ص ١٢٥–١٤٢)

موضوعات أخرى في الوحدة

تابع الدراسة