摘要

在本研究中，我们提出了几种用于阿拉伯文自动加标点的深度学习模型。我们的模型主要基于两种方法构建，即前馈神经网络（FFNN）和循环神经网络（RNN），并引入了若干增强技术，如100热编码、嵌入层、条件随机场（CRF）和块归一化梯度（BNG）。这些模型在一个唯一公开可用的基准数据集上进行了测试，结果显示我们的模型要么优于其他模型，要么与之相当，而其他模型通常需要依赖语言的后处理步骤，而我们的模型则不需要。此外，我们提出了一种称为“加标点后的翻译”（ToD）的方法，证明了阿拉伯文中的标点符号可以用于增强自然语言处理任务（如机器翻译（MT））的模型性能。