摘要

阿拉伯文字的声调标注（Diacritization）既是一个有趣的问题，也是一个具有挑战性的课题，其应用范围从语音合成到帮助学生学习阿拉伯语不等。与其他许多阿拉伯语处理任务或问题一样，对该问题投入的努力不足以及缺乏可用的（开源）资源阻碍了该问题解决的进展。本文对现有的阿拉伯文字声调标注系统、度量方法和资源进行了批判性综述。此外，本文还介绍了一个急需的、可供所有人免费使用的清洗数据集，该数据集可以方便地用于评估任何关于阿拉伯文字声调标注的研究工作。该数据集源自Tashkeela语料库，包含55,000行约230万个单词。在构建数据集之后，现有的工具和系统在其上进行了测试。实验结果显示，基于神经网络的Shakkala系统显著优于传统的规则基方法和其他闭源工具，其声调错误率（Diacritic Error Rate, DER）为2.88%，而最佳非神经网络方法（由Mishkal工具实现）的DER为13.78%。