Automatic Hypernymy Detection in Arabic. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF Arabic_Hypernymy_KFUPM_Thesis_cover_page.pdf - Accepted Version Restricted to Repository staff only until 1 March 2026. Download (12MB)

Arabic Abstract

علاقة التضمين الدلالي هي علاقة دلالية بين زوج من الكلمات تشير إلى أن معنى إحدى الكلمتين متضمن في معنى الكلمة الأخرى. تُعد علاقات التضمين علاقة أساسية للموارد اللغوية الدلالية ويُعد التعرف على هذه العلاقة بين الكلمات يدويًا أمراً في غاية الصعوبة إذ يتطلب الكثير من الجهد والوقت، لذلك نحتاج إلى أتمته التعرف على علاقة التضمين. رغم أن العديد من الدراسات السابقة تناولت علاقة التضمين الدلالي في لغات عدة، إلا أن القليل منها تناول علاقة التضمين في اللغة العربية. كما أنه يصعب الوصول إلى الموارد الدلالية الخاصة باللغة العربية مما يُعتبر عائقاً للتقدم البحثي في مجال معالجة اللغة العربية. لذا تهدف هذه الرسالة إلى إثراء موارد وأدوات معالجة وفهم اللغة العربية آلياً عن طريق تقديم نظام التعرف على علاقة التضمين الدلالي. فهي تقدم انموذجًاً هجينًاً للتعرف على علاقة التضمين الدلالي في اللغة العربية، يجمع بين نموذجين الأول يمثل الكلمات والآخر يمثل المسار الدلالي بين الكلمات. علاوة على ذلك تقدم الرسالة قاعدة بيانات ضخمة للعلاقات الدلالية في اللغة العربية. كما تقوم بإجراء تقييم لطرق تمثيل الكلمات المخصصة لتمثيل علاقة التضمين الدلالي، إلى جانب تقييم عاملين رئيسيين في التمثيل: تقنيات دمج تمثيل الكلمات، وتحسين تمثيل الكلمات بخصائص إضافية تُسهم هذه الرسالة في التعرف على علاقة التضمين الدلالي وتعزيزمعالجة اللغة العربية آلياً.

English Abstract

Hypernymy is a semantic relation between a pair of words that indicates that the meaning of one word (the narrower term) is subsumed by the meaning of the other (the broader term). Hypernymy relations form the backbone of semantic resources such as taxonomies and ontologies. Manually extracting and detecting hypernymy pairs requires intensive effort and it is time consuming. Thus, an automation is required for detecting hypernym-hyponym pairs. Several studies have addressed hypernymy-related tasks in different languages. However, for Arabic, only a few studies have addressed these tasks. Arabic semantic resources are not easily accessible, which hinders the progress of semantic research. This dissertation aims to enrich Arabic language resources and tools for the hypernymy detection task. In this dissertation, we propose a hybrid model for Arabic hypernymy detection that combines distributional word embeddings with pattern-based dependency path representations. Moreover, we present a large-scale Arabic semantic relation dataset. Additionally, we conduct an empirical evaluation of hypernymy-specific word embeddings and two key representation factors: vector combination techniques and unsupervised measures used as features. We have proposed two model to generate synthesized dependency path embedding model for non observed dependency paths along with dependency path encoder to generate dependency path embedding for observed dependency path in the reference corpus. We have created a hybrid model for hypernymy detection which combine word embeddings and dependency path embedding Moreover, we have studies the interaction among word embeddings in several training settings by freezing and fine-tuning them. Our results show that introducing dependency path embeddings has led to lower performance in most of models. This proved the robustness of using word embeddings only in hypernymy detection getting 0.86\% F1-score with Poincare embedding when using words embedding only compared to using dependency path embeddings along with word embedding. This dissertation contributes to the field of hypernymy detection and Arabic NLP by using Arabic as a case study.

Item Type:	Thesis (PhD)
Subjects:	Computer
Department:	College of Computing and Mathematics > Information and Computer Science
Committee Advisor:	Albusyuni, Tariq
Committee Co-Advisor:	Almuhtaseb, Husni
Committee Members:	Ahmed, Moataz and Alshayeb, Mohammad and Hassine, Jameleddine
Depositing User:	RANDAH ALHARBI (g201907330)
Date Deposited:	10 Dec 2025 07:56
Last Modified:	10 Dec 2025 07:56
URI:	http://eprints.kfupm.edu.sa/id/eprint/143775