AraBERT结合显式候选结构解决阿拉伯语句法歧义

句法歧义持续挑战阿拉伯语NLP，特别是形态丰富的名词结构，同一表面序列可能对应多种结构解释。研究提出一个受生成句法理论启发的神经符号框架，解决现代标准阿拉伯语（MSA）DP歧义。它将生成句法概念与AraBERT结合，把歧义表达为候选决策任务，显式构建语言学上有依据的备选，并通过候选条件输入表示评估。未见评测集上，准确率96.88%、宏F1 95.92%、加权F1 96.83%、二分类F1 93.94%。类别分析显示不对称：High/VP Attachment（N1）召回99.71%，Low/NP/Embedded Attachment（N2）为89.26%，表明嵌套解释更难恢复。研究认为，形式句法表示可在Transformer NLP中成为语言结构与上下文神经建模的显式接口，为阿拉伯语及其他句法歧义提供受控、可解释方法。