Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Plant Disease Classification and Segmentation Using a Hybrid Computer-Aided Model Using GAN and Transfer Learning Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Machine Reading Comprehension for the Holy Quran: A Comparative Study

verfasst von : Souhaila Reggad, Abderrahim Ghadi, Lotfi El Aachak, Amina Samih

Erschienen in: Innovations in Smart Cities Applications Volume 7

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Question Answering (QA) has become a popular topic of research in the Natural Language Processing (NLP) community in recent years. This means that researchers and enthusiasts in the field of NLP have been actively working on developing models and improving existing ones to better answer questions. However, there are fewer studies on Arabic QA compared to other languages, and even fewer on QA for the Quran. BERT is a deep neural network model that has outperformed other models on the SQuAD benchmark. BERT is known for its ability to understand contextual information and provide accurate answers. Therefore, it is a promising model for Quranic QA. In this paper, we will abord to a comparative study of different models based on BERT and used by researchers in the religious field of MRC more precisely the Holy Quran.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Reinforcement Learning Algorithms and Their Applications in Education Field: A Systematic Review
Literatur
1.
Hamdelsayed, M.A., et al.: Islamic application of question answering systems: comparative study. J. Adv. Comput. Sci. Technol. Res. 7(1), 29–41 (2017)
2.
Utomo, F.S., Suryana, N., Azmi, M.S.: Question answering system: a review on question analysis, document processing, and answer extraction techniques. J. Theor. Appl. Inf. Technol. 95(14), 3158–3174 (2017)
3.
El Bazi, I., Laachfoubi, N.: Arabic named entity recognition using deep learning approach. Int. J. Electric. Comput. Eng. 9(3), 2088–8708 (2019)
4.
Devlin, J., Chang, M.-W., Lee, K., Toutanova, K.: BERT: pre-training of deep bidirectional transformers for language understanding. In: Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers), pp. 4171–4186. Association for Computational Linguistics, Minneapolis (2019)
5.
Mozannar, H., Maamary, E., El Hajal, K., Hajj, H.: Neural Arabic question answering. In: Proceedings of the Fourth Arabic Natural Language Processing Workshop, pp. 108–118, Florence. Association for Computational Linguistics (2019)
6.
7.
Utomo, F.S., Suryana, N., Asmi, M.S.: Question answering systems on holy quran: a review of existing frameworks, approaches, algorithms and research issues. J. Phys.: Conf. Ser. (2020)
8.
Antoun, W., Baly, F., Hajj, H.: AraBERT: transformer-based model for Arabic language understanding. In: Proceedings of the 4th Workshop on Open-Source Arabic Corpora and Processing Tools, with a Shared Task on Offensive Language Detection, Marseille, pp. 9–15. European Language Resource Association (2020)
9.
Abdelali, A., Hassan, S., Mubarak, H., Darwish, K., Samih, Y.: Pre-training Bert on Arabic tweets: practical considerations (2021)
10.
Abdul-Mageed, M., Elmadany, A., Nagoudi, E.M. B.: ARBERT & MARBERT: deep bidirectional transformers for Arabic. In: Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers), pp. 7088–7105. Association for Computational Linguistics (2021)
11.
Mohammed, E., Amany, M.S.: Computation and Language TCE at Qur’an QA 2022: Arabic Language Question Answering Over Holy Qur’an Using a Post-Processed Ensemble of BERT-Based Models (2022)
12.
Rana, M., Tamer, E.: Arabic machine reading comprehension on the Holy Qur’an using CL- AraBERT. Inf. Process. Manag. (2022)
13.
Esha, A. Muhammad, K.M.: eRock at Qur’an QA 2022: contemporary deep neural networks for Qur’an based reading comprehension question answers. In: Proceedings of the OSACT 2022 Workshop @LREC2022, Marseille, pp. 96–103. European Language Resources Association (ELRA) (2022)
14.
Malhas, R., Mansour, W., Elsayed, T.: Qur’an QA 2022: overview of the first shared task on question answering over the holy Quran. In: Proceedings of the 5th Workshop on Open-Source Arabic Corpora and Processing Tools (OSACT5) at the 13th Language Resources and Evaluation Conference (LREC 2022) (2022)
15.
Ahmed, W., Eman, E., Marwa, M., Haq, N.: Stars at Qur’an QA 2022: building automatic extractive question answering systems for the holy Qur’an with transformer models and releasing a new dataset. In: Proceedings of the OSACT 2022 Workshop @LREC2022, Marseille, pp. 146–153 (2022)
16.
Abdullah, A., et al.: LK2022 at Qur’an QA 2022: simple transformers model for finding answers to questions from Qur’an. In: Proceedings of the OSACT 2022 Workshop @LREC2022, Marseille, pp. 120–125 (2022)
17.
Aly, M., Omar, M.: GOF at Qur’an QA 2022: towards an efficient question answering for the holy Qu’ran. In: The Arabic Language Using Deep Learning-Based Approach. In Proceedings of the OSACT 2022 Workshop @LREC2022, Marseille, pp. 104–111 (2022)
18.
Alwaneen, T.H., Azmi, A.M., Aboalsamh, H.A., Cambria, E., Hussain, A.: Arabic question answering system: a survey. Artif. Intell. Rev. 55(1), 207–253 (2022)
Metadaten
Titel
Machine Reading Comprehension for the Holy Quran: A Comparative Study
verfasst von
Souhaila Reggad
Abderrahim Ghadi
Lotfi El Aachak
Amina Samih
Copyright-Jahr
2024
Buch
Innovations in Smart Cities Applications Volume 7

Print ISBN: 978-3-031-54375-3

Electronic ISBN: 978-3-031-54376-0

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-54376-0_38

    Premium Partner

    Bildnachweise