Glossaryالمصطلحات

The property of an input having more than one possible interpretation at some linguistic level, as in the at least five readings of 'I made her duck'.خاصية أن يكون للمدخل أكثر من تفسير ممكن في مستوى لساني ما، كما في القراءات الخمس على الأقل للجملة 'I made her duck'.

• Slide 20الشريحة 20
• Slide 21الشريحة 21
• Slide 22الشريحة 22

Arabic written in Latin letters, with digits standing in for sounds that have no Latin equivalent (3ala for على); common in chat and social media and a form of the non-standard text problem on slide 23.عربية مكتوبة بحروف لاتينية، تستخدم فيها الأرقام بدل الأصوات التي لا مقابل لها في اللاتينية (3ala بمعنى على)؛ شائعة في المحادثات ووسائل التواصل الاجتماعي، وهي شكل من مشكلة النص غير القياسي في الشريحة 23.

• Slide 23الشريحة 23

The field whose subfields include natural language processing, knowledge representation and deduction, machine learning, computer vision and robotics; NLP is one of its branches.المجال الذي تشمل فروعه معالجة اللغة الطبيعية، وتمثيل المعرفة والاستنتاج، وتعلم الآلة، والرؤية الحاسوبية، والروبوتات؛ ومعالجة اللغة الطبيعية (NLP) أحد فروعه.

• Slide 4الشريحة 4
• Slide 5الشريحة 5
• Slide 6الشريحة 6

The attribute of an entity that an opinion targets, such as size and weight, zoom or flash on slide 13; aspect-level sentiment analysis extracts the aspect first and then classifies the polarity of what was said about it.سمة الكيان التي يستهدفها الرأي، مثل الحجم والوزن أو التقريب (zoom) أو الفلاش في الشريحة 13؛ وتحليل المشاعر على مستوى السمة يستخرج السمة أولا ثم يصنف قطبية (polarity) ما قيل عنها.

• Slide 13الشريحة 13

A model that assigns an input to one of a set of categories; a core computer science tool used throughout NLP.نموذج يسند المدخل إلى فئة من مجموعة فئات؛ وهو أداة أساسية من علوم الحاسب تستخدم في كل أنحاء معالجة اللغة الطبيعية.

• Slide 5الشريحة 5
• Slide 24الشريحة 24

A morpheme that acts syntactically like a word but is reduced in form and attached to another word, such as the English 's and n't split off by tokenization, or the Arabic prepositions and conjunctions written onto the following word.وحدة صرفية (morpheme) تتصرف نحويا ككلمة لكنها مختصرة الشكل وملتصقة بكلمة أخرى، مثل 's وn't في الإنجليزية التي يفصلها التقطيع (tokenization)، أو حروف الجر والعطف العربية التي تكتب متصلة بالكلمة التالية.

• Slide 16الشريحة 16
• Slide 23الشريحة 23

An alternative name for NLP that stresses the linguistics side of the field: computational models of human language and the algorithms that process it.اسم بديل لمعالجة اللغة الطبيعية (NLP) يبرز الجانب اللساني من المجال: النماذج الحاسوبية للغة البشرية والخوارزميات التي تعالجها.

• Slide 4الشريحة 4

The AI subfield on slide 6 that interprets images and video; it meets NLP in image captioning and in optical character recognition, whose output is text.فرع الذكاء الاصطناعي في الشريحة 6 الذي يفسر الصور والفيديو؛ ويلتقي بمعالجة اللغة الطبيعية في وصف الصور تلقائيا (image captioning) وفي التعرف الضوئي على الحروف (OCR) الذي يكون مخرجه نصا.

• Slide 6الشريحة 6

Using NLP to help a human translator, for example by predicting and offering ranked completions of the target sentence as the translator types.استخدام معالجة اللغة الطبيعية لمساعدة المترجم البشري، مثلا بتوقع إكمالات للجملة الهدف وعرضها مرتبة أثناء كتابة المترجم.

• Slide 7الشريحة 7

Structural ambiguity over what a conjunction such as 'and' joins, as in 'old men and women'; with attachment ambiguity, one of the two common kinds of syntactic ambiguity behind slide 21.غموض بنيوي فيما يربطه حرف عطف مثل 'and'، كما في 'old men and women'؛ وهو مع غموض الارتباط (attachment ambiguity) أحد النوعين الشائعين من الغموض النحوي وراء الشريحة 21.

• Slide 21الشريحة 21

Deciding which mentions in a text refer to the same entity, for example that 'they' refers back to the students; the standard task at the discourse level of slide 17.تحديد الإشارات في النص التي تعود إلى الكيان نفسه، مثلا أن 'they' تعود إلى الطلاب؛ وهي المهمة المعتادة في مستوى الخطاب (discourse) في الشريحة 17.

• Slide 17الشريحة 17

A real newspaper headline whose compressed syntax admits an unintended reading, named after the headline 'Violinist Linked to JAL Crash Blossoms'.عنوان صحفي حقيقي تسمح بنيته النحوية المختصرة بقراءة غير مقصودة، وسمي بذلك نسبة إلى العنوان 'Violinist Linked to JAL Crash Blossoms'.

• Slide 22الشريحة 22

Machine learning with multi-layer neural networks that learn their own representations from raw input; listed under ML on the AI subfield chart and used for end-to-end NLP.تعلم آلة يستخدم شبكات عصبية متعددة الطبقات تتعلم تمثيلاتها بنفسها من المدخلات الخام؛ يظهر تحت تعلم الآلة (ML) في مخطط فروع الذكاء الاصطناعي، ويستخدم في معالجة اللغة الطبيعية من الطرف إلى الطرف (end-to-end).

• Slide 6الشريحة 6
• Slide 15الشريحة 15

The coexistence of a formal written variety, Modern Standard Arabic, with the spoken dialects used in everyday life; the Arabic counterpart of the non-standard text problem on slide 23, since social media carries dialect into writing.تعايش صيغة مكتوبة رسمية هي العربية الفصحى الحديثة مع اللهجات المحكية المستخدمة في الحياة اليومية؛ وهي المقابل العربي لمشكلة النص غير القياسي في الشريحة 23، لأن وسائل التواصل الاجتماعي تنقل اللهجة إلى الكتابة.

• Slide 23الشريحة 23

The level of linguistic knowledge about units larger than a single sentence, such as how sentences in a conversation or document relate.مستوى المعرفة اللسانية الخاص بالوحدات الأكبر من الجملة الواحدة، مثل علاقة الجمل ببعضها في محادثة أو مستند.

• Slide 16الشريحة 16
• Slide 17الشريحة 17

A computer science technique for solving problems by combining solutions to overlapping subproblems; one of the algorithmic tools NLP draws from computer science.تقنية في علوم الحاسب لحل المسائل بدمج حلول مسائل فرعية متداخلة؛ وهي إحدى الأدوات الخوارزمية التي تستعيرها معالجة اللغة الطبيعية من علوم الحاسب.

• Slide 5الشريحة 5
• Slide 24الشريحة 24

Training a single deep neural network to map raw input text or speech directly to the desired output, learning intermediate representations instead of hand-built pipeline stages.تدريب شبكة عصبية عميقة واحدة تربط النص أو الكلام الخام مباشرة بالمخرج المطلوب، فتتعلم التمثيلات الوسيطة بنفسها بدلا من مراحل خط معالجة (pipeline) مبنية يدويا.

• Slide 15الشريحة 15
• Slide 24الشريحة 24

Mapping a mention in text to the real-world entity it refers to, for example reading 'our planet' on slide 9 as the knowledge graph node Earth before its mass can be looked up. The literature usually calls this entity linking; entity resolution more often means merging duplicate records.ربط إشارة في النص بالكيان الحقيقي الذي تشير إليه، مثلا فهم 'our planet' في الشريحة 9 على أنها عقدة الأرض (Earth) في رسم المعرفة قبل البحث عن كتلتها. تسمي الأدبيات هذا عادة entity linking، أما entity resolution فتعني غالبا دمج السجلات المكررة.

• Slide 9الشريحة 9

A large language model response that is not faithful to the facts of the world or to the retrieved sources; the characteristic failure of generated answers such as the AI Overview on slide 10, made worse because the model can state it with complete confidence.استجابة من نموذج لغوي كبير غير أمينة لحقائق العالم أو للمصادر المسترجعة؛ وهي الإخفاق المميز للإجابات المولدة مثل AI Overview في الشريحة 10، ويزيد خطرها أن النموذج قد يقولها بثقة تامة.

• Slide 10الشريحة 10

An engineering-oriented name for NLP that emphasises building deployable systems that process human language.اسم ذو توجه هندسي لمعالجة اللغة الطبيعية (NLP) يركز على بناء أنظمة قابلة للنشر والاستخدام الفعلي تعالج اللغة البشرية.

• Slide 4الشريحة 4

Combining rule-based components with machine learning or deep learning components in one NLP system.الجمع بين مكونات قائمة على القواعد ومكونات تعلم آلة أو تعلم عميق في نظام واحد لمعالجة اللغة الطبيعية.

• Slide 15الشريحة 15
• Slide 24الشريحة 24

A multiword expression whose meaning is not composed from its parts, such as 'throw in the towel'.تعبير متعدد الكلمات لا يتكون معناه من معاني أجزائه، مثل 'throw in the towel' (بمعنى الاستسلام).

• Slide 23الشريحة 23

Turning unstructured text into structured records, for example filling event, date, start, end and location fields from an email about a meeting.تحويل النص غير المهيكل إلى سجلات مهيكلة، مثلا ملء حقول الحدث والتاريخ والبداية والنهاية والمكان من بريد إلكتروني عن اجتماع.

• Slide 9الشريحة 9
• Slide 12الشريحة 12
• Slide 13الشريحة 13

A store of real-world entities and their relationships (things, not strings) populated by information extraction, which an answer box such as the one on slide 9 reads at query time to return a fact like the mass of Earth.مخزن للكيانات الحقيقية وعلاقاتها (أشياء لا مجرد سلاسل نصية) يملأ عن طريق استخراج المعلومات، ويقرؤه صندوق الإجابة مثل الذي في الشريحة 9 وقت الاستعلام ليعيد حقيقة مثل كتلة الأرض.

• Slide 6الشريحة 6
• Slide 9الشريحة 9

The linguistic knowledge across all levels from phonetics to discourse that an NLP system must have, hand-coded or learned, to process language.المعرفة اللسانية في جميع المستويات من علم الأصوات (phonetics) إلى الخطاب (discourse) التي يجب أن يمتلكها نظام معالجة اللغة الطبيعية، سواء كتبت يدويا أو تعلمها، كي يعالج اللغة.

• Slide 16الشريحة 16
• Slide 24الشريحة 24

The AI subfield on slide 6 that stores facts and relations in a form a program can reason over and draws conclusions from them; the standard name is knowledge representation and reasoning, and it meets NLP in question answering over knowledge graphs.فرع الذكاء الاصطناعي في الشريحة 6 الذي يخزن الحقائق والعلاقات بصيغة يستطيع البرنامج الاستدلال عليها واستخلاص النتائج منها؛ واسمه المعتاد knowledge representation and reasoning، ويلتقي بمعالجة اللغة الطبيعية في الإجابة عن الأسئلة اعتمادا على رسوم المعرفة (knowledge graphs).

• Slide 6الشريحة 6

A model that assigns probabilities to word sequences, so it can prefer 'bigger than that' over 'bigger then that'; the P(w) term of the noisy channel. An LLM is a very large one.نموذج يعطي احتمالات لتسلسلات الكلمات، فيستطيع تفضيل 'bigger than that' على 'bigger then that'؛ وهو الحد P(w) في نموذج القناة المشوشة (noisy channel). والـ LLM نموذج لغوي ضخم جدا.

• Slide 10الشريحة 10
• Slide 11الشريحة 11

A very large neural language model that can generate fluent text; LLM-powered question answering produces a written overview with cited sources instead of a single extracted fact.نموذج لغوي عصبي ضخم جدا قادر على توليد نص سلس؛ والإجابة عن الأسئلة المدعومة بـ LLM تنتج نظرة عامة مكتوبة مع مصادر مذكورة بدلا من حقيقة واحدة مستخرجة.

• Slide 10الشريحة 10

Reducing a word to its dictionary form (lemma) using vocabulary and morphological analysis, for example 'running' to 'run'.اختزال الكلمة إلى صيغتها المعجمية (lemma) باستخدام المفردات والتحليل الصرفي، مثلا 'running' إلى 'run'.

• Slide 16الشريحة 16

A vocabulary item, the unit of the lexical level that sits between morphology and syntax in the linguistic representation stack.مفردة من المفردات، وهي وحدة المستوى المعجمي الذي يقع بين الصرف (morphology) والنحو (syntax) في طبقات التمثيل اللساني.

• Slide 16الشريحة 16
• Slide 17الشريحة 17

Ambiguity in a single word, either its part of speech ('duck' as noun or verb) or its sense ('make' as cook, create or cause).غموض في كلمة واحدة، إما في نوعها النحوي (part of speech) مثل 'duck' اسما أو فعلا، أو في معناها مثل 'make' بمعنى يطبخ أو يصنع أو يجعل.

• Slide 20الشريحة 20
• Slide 21الشريحة 21
• Slide 22الشريحة 22

The AI subfield in which systems learn behaviour from data rather than hand-written rules; deep learning is its sub-area and the basis of most modern NLP.فرع الذكاء الاصطناعي الذي تتعلم فيه الأنظمة سلوكها من البيانات بدلا من قواعد مكتوبة يدويا؛ والتعلم العميق (deep learning) فرع منه، وهو أساس معظم معالجة اللغة الطبيعية الحديثة.

• Slide 6الشريحة 6
• Slide 8الشريحة 8
• Slide 15الشريحة 15

Building NLP systems by training statistical classifiers or sequence models on annotated data, typically with human-designed features.بناء أنظمة معالجة اللغة الطبيعية بتدريب مصنفات إحصائية أو نماذج تسلسلية على بيانات موسومة (annotated)، وعادة باستخدام خصائص (features) يصممها البشر.

• Slide 15الشريحة 15
• Slide 24الشريحة 24

Automatically translating text or speech from one human language to another, either fully automatically or as an aid to human translators.ترجمة النص أو الكلام آليا من لغة بشرية إلى أخرى، إما ترجمة آلية كاملة أو كأداة مساعدة للمترجمين البشريين.

• Slide 7الشريحة 7
• Slide 8الشريحة 8

The level of linguistic knowledge about how words are built from meaningful parts (morphemes); the first level shared by speech and text.مستوى المعرفة اللسانية الخاص بكيفية بناء الكلمات من أجزاء ذات معنى (morphemes)؛ وهو أول مستوى مشترك بين الكلام والنص.

• Slide 16الشريحة 16
• Slide 17الشريحة 17
• Slide 23الشريحة 23

A proper name of a person, place, organisation, work or gene in text; tricky cases such as 'A Bug's Life', 'Let It Be' or the 'for' gene look like ordinary words.اسم علم لشخص أو مكان أو منظمة أو عمل فني أو جين في النص؛ وهناك حالات صعبة مثل 'A Bug's Life' أو 'Let It Be' أو الجين 'for' تبدو ككلمات عادية.

• Slide 12الشريحة 12
• Slide 23الشريحة 23

A branch of artificial intelligence concerned with interactions between computers and human language, with the goal of enabling human-machine communication, improving human-human communication, or doing useful processing of text or speech.فرع من الذكاء الاصطناعي يهتم بالتفاعل بين الحاسوب واللغة البشرية، وهدفه تمكين التواصل بين الإنسان والآلة، أو تحسين التواصل بين البشر أنفسهم، أو إجراء معالجة مفيدة للنص أو الكلام.

• Slide 4الشريحة 4
• Slide 5الشريحة 5
• Slide 6الشريحة 6

A newly coined word such as 'unfriend' or 'webinar' that is absent from existing vocabularies and training data.كلمة مستحدثة مثل 'unfriend' أو 'webinar' غير موجودة في المفردات الحالية ولا في بيانات التدريب.

• Slide 23الشريحة 23

The classical model for spelling correction: the writer intended a word w, a noisy channel produced the observed x, and the corrector chooses the w that maximises the channel probability P(x given w) times the language model probability P(w).النموذج الكلاسيكي لتصحيح الإملاء: أراد الكاتب الكلمة w، فأنتجت قناة مشوشة المشاهدة x، ويختار المصحح الكلمة w التي تعظم حاصل ضرب احتمال القناة P(x|w) في احتمال النموذج اللغوي P(w).

• Slide 11الشريحة 11

Text that departs from standard spelling and grammar, such as 'Guys plz d/l the lettr Ive written 2 Jeff Gaspin', which defeats systems trained on edited text.نص يخرج عن الإملاء والنحو القياسيين، مثل 'Guys plz d/l the lettr Ive written 2 Jeff Gaspin'، وهو ما يربك الأنظمة المدربة على نصوص محررة.

• Slide 23الشريحة 23

A spelling error that produces a string not in the dictionary, such as 'ofcourse' on slide 11; it is caught by dictionary lookup with no context needed.خطأ إملائي ينتج سلسلة غير موجودة في القاموس، مثل 'ofcourse' في الشريحة 11؛ ويكتشف بالبحث في القاموس دون حاجة إلى سياق.

• Slide 11الشريحة 11

The writing system of a language; the text-side counterpart of phonology that leads into morphology.نظام الكتابة في لغة ما؛ وهو المقابل النصي لعلم الأصوات الوظيفي (phonology)، ويقود إلى الصرف (morphology).

• Slide 17الشريحة 17

Analysing the syntactic structure of a sentence, for example deciding which phrase a prepositional phrase attaches to.تحليل البنية النحوية (التركيبية) للجملة، مثلا تحديد العبارة التي ترتبط بها شبه الجملة الحرفية (prepositional phrase).

• Slide 16الشريحة 16
• Slide 20الشريحة 20
• Slide 21الشريحة 21

The grammatical category of a word (noun, verb, adjective, pronoun and so on); a word such as 'duck' on slide 20 or 'strikes' on slide 22 can belong to more than one, and part-of-speech tagging chooses between them.الفئة النحوية للكلمة (اسم، فعل، صفة، ضمير وغيرها)؛ وقد تنتمي كلمة مثل 'duck' في الشريحة 20 أو 'strikes' في الشريحة 22 إلى أكثر من فئة، ويختار وسم أقسام الكلام (POS tagging) بينها.

• Slide 16الشريحة 16
• Slide 20الشريحة 20
• Slide 22الشريحة 22

The level of linguistic knowledge about speech sounds themselves; the innermost ring, used only for speech input.مستوى المعرفة اللسانية الخاص بأصوات الكلام نفسها؛ وهو الحلقة الداخلية، ولا يستخدم إلا مع المدخلات المنطوقة.

• Slide 17الشريحة 17
• Slide 20الشريحة 20

The level of linguistic knowledge about phonemes, the sound units that distinguish words in a language; sits between phonetics and morphology for speech.مستوى المعرفة اللسانية الخاص بالفونيمات (phonemes)، وهي الوحدات الصوتية التي تميز الكلمات في لغة ما؛ ويقع بين علم الأصوات (phonetics) والصرف (morphology) في حالة الكلام.

• Slide 17الشريحة 17

The level of linguistic knowledge about meaning in context, including the speaker's intent and what is left unsaid.مستوى المعرفة اللسانية الخاص بالمعنى في السياق، بما في ذلك قصد المتكلم وما لم يقل صراحة.

• Slide 16الشريحة 16
• Slide 17الشريحة 17

The syntactic ambiguity of which phrase a prepositional phrase modifies, shown by 'I saw the man with a telescope'.الغموض النحوي في تحديد العبارة التي تعدلها شبه الجملة الحرفية (prepositional phrase)، كما في 'I saw the man with a telescope'.

• Slide 21الشريحة 21

Producing a direct answer to a natural language question, for example answering 'how heavy is our planet' with the mass of Earth, using information extraction and word sense disambiguation.إنتاج إجابة مباشرة عن سؤال مكتوب بلغة طبيعية، مثلا الإجابة عن 'how heavy is our planet' بكتلة الأرض، باستخدام استخراج المعلومات (information extraction) وتحديد معنى الكلمة (word sense disambiguation).

• Slide 9الشريحة 9
• Slide 10الشريحة 10

A spelling or grammar error whose result is a valid word in the wrong place, such as 'then' for 'than' on slide 11; lookup passes it, so only context, scored by a language model or a grammar rule, can catch it.خطأ إملائي أو نحوي ينتج كلمة صحيحة لكن في غير موضعها، مثل 'then' بدلا من 'than' في الشريحة 11؛ يمر من البحث في القاموس، لذلك لا يكتشفه إلا السياق، مقيما بنموذج لغوي أو بقاعدة نحوية.

• Slide 11الشريحة 11

Question answering that retrieves documents for the query, builds a prompt from the query and those passages, and has a large language model generate an answer conditioned on them, as the AI Overview on slide 10 does with its cited sources.إجابة عن الأسئلة تسترجع مستندات مرتبطة بالاستعلام، ثم تبني موجها (prompt) من الاستعلام وتلك المقاطع، ثم يولد نموذج لغوي كبير إجابة مشروطة بها، كما يفعل AI Overview في الشريحة 10 مع مصادره المذكورة.

• Slide 10الشريحة 10

The AI subfield on slide 6 concerned with perceiving and acting in the physical world; it meets NLP when a robot follows natural language instructions.فرع الذكاء الاصطناعي في الشريحة 6 الذي يهتم بالإدراك والتصرف في العالم المادي؛ ويلتقي بمعالجة اللغة الطبيعية عندما يتبع الروبوت تعليمات بلغة طبيعية.

• Slide 6الشريحة 6

Building NLP systems from hand-written rules, grammars and lexicons rather than from data.بناء أنظمة معالجة اللغة الطبيعية من قواعد وقواعد نحوية (grammars) ومعاجم (lexicons) مكتوبة يدويا بدلا من التعلم من البيانات.

• Slide 15الشريحة 15
• Slide 24الشريحة 24

Deciding where the units of text begin and end, for example whether 'New York-New Haven' is one name or two, in tokenization or entity recognition.تحديد أين تبدأ وحدات النص وأين تنتهي، مثلا هل 'New York-New Haven' اسم واحد أم اسمان، في التقطيع (tokenization) أو التعرف على الكيانات.

• Slide 16الشريحة 16
• Slide 23الشريحة 23

The level of linguistic knowledge about the literal meaning of words, phrases and sentences.مستوى المعرفة اللسانية الخاص بالمعنى الحرفي للكلمات والعبارات والجمل.

• Slide 16الشريحة 16
• Slide 17الشريحة 17
• Slide 23الشريحة 23

Splitting a paragraph into sentences by deciding which punctuation marks end a sentence, since periods also appear in abbreviations and numbers.تقسيم الفقرة إلى جمل بتحديد علامات الترقيم التي تنهي الجملة فعلا، لأن النقطة تظهر أيضا في الاختصارات والأرقام.

• Slide 16الشريحة 16

Determining the opinion expressed in text, often per attribute (aspect) of a product, for example judging whether a review's remark about size and weight is positive or negative.تحديد الرأي المعبر عنه في النص، وغالبا لكل سمة (aspect) من سمات المنتج على حدة، مثلا الحكم على ما إذا كانت ملاحظة في مراجعة عن الحجم والوزن إيجابية أم سلبية.

• Slide 13الشريحة 13

An alternative name for NLP, and the title of the Jurafsky and Martin textbook, that makes explicit that spoken as well as written language is in scope.اسم بديل لمعالجة اللغة الطبيعية (NLP)، وهو أيضا عنوان كتاب Jurafsky وMartin، ويوضح صراحة أن اللغة المنطوقة داخلة في نطاق المجال مثل اللغة المكتوبة.

• Slide 4الشريحة 4
• Slide 25الشريحة 25

Detecting and correcting non-word spelling errors such as 'ofcourse' and real-word grammar errors such as 'then' for 'than' using context.اكتشاف وتصحيح الأخطاء الإملائية التي تنتج كلمات غير موجودة مثل 'ofcourse'، والأخطاء النحوية التي تنتج كلمات حقيقية في غير موضعها مثل 'then' بدلا من 'than'، باستخدام السياق.

• Slide 11الشريحة 11

Reducing a word to a stem by chopping affixes with rules, without guaranteeing the result is a real word.اختزال الكلمة إلى جذع (stem) بقص اللواحق والسوابق وفق قواعد، دون ضمان أن تكون النتيجة كلمة حقيقية.

• Slide 16الشريحة 16

Ambiguity in how words group into structure, such as whether 'with a telescope' attaches to the man or to the act of seeing.غموض في طريقة تجمع الكلمات في بنية، مثل ما إذا كانت 'with a telescope' مرتبطة بالرجل أم بفعل الرؤية.

• Slide 20الشريحة 20
• Slide 21الشريحة 21
• Slide 22الشريحة 22

The level of linguistic knowledge about how words combine into phrases and sentences.مستوى المعرفة اللسانية الخاص بكيفية اجتماع الكلمات لتكوين عبارات وجمل.

• Slide 16الشريحة 16
• Slide 17الشريحة 17
• Slide 20الشريحة 20
• Slide 21الشريحة 21

Mapping a temporal expression to a point in time or a duration, anchored to the document date; on slide 12 'tomorrow' in an email dated January 15, 2012 becomes Jan-16-2012.ربط تعبير زمني بنقطة زمنية أو مدة، اعتمادا على تاريخ المستند؛ ففي الشريحة 12 تصبح 'tomorrow' في بريد مؤرخ January 15, 2012 هي Jan-16-2012.

• Slide 12الشريحة 12

Splitting a sentence into words or tokens, the step that produces words from sentences in the linguistic pipeline.تقسيم الجملة إلى كلمات أو وحدات (tokens)، وهي الخطوة التي تنتج الكلمات من الجمل في خط المعالجة اللساني.

• Slide 16الشريحة 16
• Slide 23الشريحة 23

Choosing the intended meaning of a word with several senses from its context, for example reading 'heavy' as mass in 'how heavy is our planet'.اختيار المعنى المقصود لكلمة لها عدة معان اعتمادا على سياقها، مثلا فهم 'heavy' على أنها تعني الكتلة في 'how heavy is our planet'.

• Slide 9الشريحة 9
• Slide 17الشريحة 17
• Slide 20الشريحة 20

Knowledge about the world outside language that interpretation depends on, such as knowing that 'Mary and Sue are sisters' means sisters of each other while 'are mothers' does not.معرفة بالعالم خارج اللغة يعتمد عليها التفسير، مثل معرفة أن 'Mary and Sue are sisters' تعني أنهما أختان لبعضهما، بينما 'are mothers' لا تعني ذلك.

• Slide 23الشريحة 23
• Slide 24الشريحة 24