Designing a system to distinguish amongst main Arabic dialects

Lehçe tanımlama, bilim insanları için yeni ilgi alanlarından biridir. Bu çalışma, konuşmalar veya konuşmalar aracılığıyla iyi bilinen Arap lehçeleri arasında ayrım yapmaya odaklanmaktadır. Bu çalışmayı diğerlerinden ayıran şey, konuya yaklaşım biçimidir, çünkü konuşma kuş sesi veya müzik gibi bir sesmiş gibi ele alınmıştır. Başka bir deyişle, ağlar dilin ayrıntılarına dalmadan günlük konuşma konusunda eğitilmiştir, bu da araştırmacılar için güçlü bir meydan okumadır. Bu yaklaşımla, araştırmacıların karşılaştığı tüm zorluklar ve güçlükler aşılmıştır. Burada, üç Arapça konuşma kalıbı dikkate alınmaktadır: Levantine Lehçesi (LD), Mısır Lehçesi (ED) ve Arap Yarımadası Lehçesi (APD). Üç konuşma stilini birbirinden ayırt etmek için yapay sinir ağları için üç model önerilmektedir. Çok Katmanlı Algılayıcı (MLP), Evrişimli Sinir Ağı (CNN) ve Derin Yinelemeli Sinir Ağı (DRNN) ağları bu modeller için temel oluşturmaktadır. Bu çalışma, önerilen üç modelin kapsamlı bir analizini ve bunlar arasındaki karşılaştırmaları sunmaktadır. Konuşulan Arapça Bölgesel Arşivi (SARA) veri kümesi kullanılmıştır. Veriseti üç bölüme ayrılmaktadır. Orijinal SARA (OSARA), Filtrelenmiş SARA (FSARA) ve OSARA ile FSARA'yı birleştiren Karma SARA (MSARA). Sonuçlara göre, kullanılan veri setinin MSARA grubu kullanılarak önerilen DRNN modeli %90,70 ile en yüksek doğruluğa sahiptir.