جامعة بيرزيت تطلق مدونة تشمل ست لهجات عاميّة

أطلقت جامعة بيرزيت، السبت 17.12.2022، مدونة تشمل حوسبة لست لهجات عربية (1.3) مليون كلمة.

وشملت المدونة اللهجات: الفلسطينية واللبنانية والعراقية والليبية والسودانية واليمنية، وتهدف إلى إغناء الحاسوب وتقنيات الذكاء الاصطناعي في مساعدتها على فهم النصوص المكتوبة بالعاميات العربية، عملت على بعض منها مع الجامعة الأميركية والأمم المتحدة، وتم إطلاق هذه المدونة في مكتب الأمم المتحدة في نيويورك.  

والمدونة هي مجموعة من النصوص العامية التي تم جمعها من عدة مواقع وشبكات تواصل اجتماعي مثل تويتر وفيسبوك ويوتيوب، ونصوص أخرى، وتم تصريف وتعريف خصائص كل كلمة في هذه النصوص، وتوسيم كل كلمة في النص وتحليلها إلى سوابق ولواحق وجذر وقسم كلام، إضافة إلى مدخلة عامية وفصحى ومعنى باللغة الإنجليزية.   

استخدام المدونة كمعجم ثلاثي

ويمكن استخدام المدونة كمعجم ثلاثي، عامية-فصحى-إنجليزية، خاصة للأجانب والباحثين، ولبناء تطبيقات حاسوبية يمكنها فهم ما يكتب على شبكات التواصل الاجتماعي كي يتمكن الحاسوب من ترجمة وفهم المحتوى العربي المكتوب بالعامية، وبالتالي تحويل النص العامي آلياً إلى الفصحى، وتدقيق النصوص العامية وترجمتها آلياً وغيرها.

اللهجة الشامية 

تجدر الإشارة إلى أن مدونة اللهجة العامية الفلسطينية (تسمى كراس) قد تم حوسبتها وإطلاقها سابقا عام 2013 بدعم من وزارة التعليم العالي، وقد تم إعادة العمل على هذه المدونة وتحسين محتواها وإضافة مدونة العامية اللبنانية (تسمى بلدي) والتي تتكون من حوالي 10 آلاف كلمة، بحيث تصبح المدونة الفلسطينية واللبنانية معاً تمثيلا للهجات الشامية.

مدونة اللهجات الأربع الأخرى

وجرى بناء مدونة اللهجات الأربع الأخرى (الليبية والسودانية والعراقية واليمنية) اعتمادا على المنهجية التي استخدمت لبناء المدونة الفلسطينية، وذلك بالتعاون بين جامعة بيرزيت وكل من الجامعة الأميركية في بيروت والأمم المتحدة.

وتم جمع المدونة اليمنية من تويتر، وتحتوي على حوالي مليون كلمة، أما المدونة الليبية والسودانية والعراقية فقد تم جمعها من موقعي فيسبوك ويوتيوب، وتحتوي كل منها على حوالي 50 ألف كلمة، ويمكن للباحثين تنزيل واستعمال المدونة بالكامل من خلال هذا الرابط:  http://portal.sina.birzeit.edu/curras.

المصدر: وفا