---
title: "استخراج الكيانات المسماة من النص العربي إلى JSON | BroadRouter"
description: "استخرج الأسماء والمؤسسات والأماكن والتواريخ الهجرية من النص العربي إلى JSON بنموذج LLM: أمر، وفحص مقاطع يتجاهل التشكيل، وتحويل التواريخ، وشيفرة للتقييم."
url: https://broadrouter.com/ar/blog/arabic-named-entity-extraction-llm/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/arabic-named-entity-extraction-llm/) (حُدّث في 2026-11-15).

# استخراج الكيانات المسماة من النص العربي بنموذج LLM: JSON والتواريخ

بقلم فريق BroadNet Inference · قراءة في 7 دقائق · تاريخ النشر 2026-11-15

اطلب من النموذج نسخ كل كيان كما ورد تمامًا، مع نوع من قائمة ثابتة، بصيغة JSON. افحص كل كيان بالشيفرة: يجب أن يظهر في المصدر بعد حذف التشكيل وتوحيد صور الألف. حوّل التواريخ الهجرية بمكتبة مثل hijridate لا بالنموذج. وقيّم عينة موسومة يدويًا بالدقة والاستدعاء وF1 على مستوى الكيان.

## أبرز النقاط

-   في LAraBench (EACL 2024) سجّل GPT-4 دون أمثلة 0.355 في macro-F1 على وسم رموز ANERcorp، مقابل 0.886 لنظام مضبوط بدقة؛ ورفعته عشرة أمثلة إلى 0.451.
-   استخراج قائمة JSON قصيرة من الكيانات مهمة مختلفة عن وسم كل رمز. اختبر الصيغة التي ستطلقها فعلًا، على نصوصك أنت.
-   طابق الكيانات بعد حذف التشكيل والتطويل وتوحيد صور الألف، وإلا بدا اسم نسخه النموذج بشكل صحيح وكأنه مختلَق.
-   دع النموذج يقرأ التاريخ، ودع الشيفرة تحوّله. تغطي hijridate تواريخ أم القرى من 1343 إلى 1500 هـ (1924 إلى 2077 م).
-   توجد مجموعات عامة للكيانات العربية للأخبار (ANERcorp) وويكيبيديا (AQMAR) والفصحى مع اللهجات (Wojood) والعربية الكلاسيكية (CANERCorpus). ونادرًا ما تطابق تصنيفاتها تصنيفاتك.

**في هذه الصفحة**

1.  ما مدى جودة نماذج LLM في التعرّف على الكيانات العربية؟
2.  ما مجموعات بيانات الكيانات العربية المتاحة؟
3.  ماذا يجب أن يطلب الأمر؟
4.  كيف تفحص الكيانات مقابل المصدر؟
5.  كيف تتعامل مع التواريخ الهجرية؟
6.  ماذا عن الأسماء بالعربيزي والنصوص المختلطة؟
7.  كيف تقيّم أداة الاستخراج؟
8.  أي نموذج من BroadNet تستخدم؟
9.  أين تأتي BroadNet Inference

يحوّل استخراج الكيانات المسماة الفقرةَ إلى سجلات تستطيع شيفرتك استخدامها: من، وأي مؤسسة، وأين، ومتى. وتضيف العربية أربع مشكلات نادرًا ما تواجهها مسارات المعالجة الإنجليزية: التشكيل الاختياري، وتعدد كتابات الحرف الواحد، والأسماء المكتوبة بحروف لاتينية ([العربيزي](https://broadrouter.com/ar/glossary/arabizi/))، والتواريخ بتقويمين. يبني هذا المقال خطوة استخراج على نموذج LLM متوافق مع OpenAI تعالج كل مشكلة منها بالشيفرة، مع شيفرة تقييم تخبرك إن كانت تعمل على نصوصك.

لتصنيف الرسائل كاملة بدل استخراج مقاطع منها، راجع [تصنيف النصوص العربية](https://broadrouter.com/ar/blog/arabic-text-classification-llm/). ولخيارات طلب JSON نفسها، راجع [وضع JSON مقابل json\_schema](https://broadrouter.com/ar/blog/structured-output-json-schema/).

## ما مدى جودة نماذج LLM في التعرّف على الكيانات العربية؟

أكثر قياس عام وجدناه صلةً بالموضوع هو LAraBench (Abdelali وآخرون، EACL 2024)، الذي شغّل GPT-3.5 وGPT-4 على مجموعات كيانات عربية بوصفها وسمًا رمزًا برمز. القيم بمقياس macro-F1، والأعلى أفضل:

| مجموعة البيانات | GPT-3.5 دون أمثلة | GPT-4 دون أمثلة | GPT-4 بثلاثة أمثلة | النظام المضبوط بدقة المذكور |
| --- | --- | --- | --- | --- |
| ANERcorp (أخبار) | 0.210 | 0.355 | 0.420 | 0.886 |
| AQMAR (ويكيبيديا) | 0.230 | 0.365 | 0.390 | 0.690 |
| QASR (نصوص مفرّغة) | 0.208 | 0.504 | غير متاح | 0.698 |

ساعدت الأمثلة الإضافية: ارتفع GPT-4 على ANERcorp من 0.355 دون أمثلة إلى 0.451 بعشرة أمثلة. واضطر المؤلفون أيضًا إلى إعادة ربط الوسوم التي كتبها النموذج بصيغته الخاصة، مثل PER-B بدل B-PER.

اقرأ هذا بحذر. هذه نماذج من 2023 تؤدي مهمة وسم صارمة على مجموعات تصنيف معيارية. وقد يؤدي نموذج حالي يُطلب منه قائمة قصيرة بالأشخاص والشركات في تذكرة دعم أداءً أفضل بكثير، وقد لا يفعل. يخبرك الجدول بأمرين ما زالا صحيحين: نموذج LLM ليس تلقائيًا نظامًا جيدًا للتعرّف على الكيانات، وأنت تحتاج قياسك الخاص.

## ما مجموعات بيانات الكيانات العربية المتاحة؟

| مجموعة البيانات | النص | الحجم والتصنيفات |
| --- | --- | --- |
| [ANERcorp](https://camel.abudhabi.nyu.edu/anercorp/) | أخبار | نحو 150,000 رمز؛ شخص، مكان، مؤسسة، متفرقات. وينشر CAMeL Lab تقسيمًا معياريًا للتدريب والاختبار |
| [CLEANANERCorp](https://aclanthology.org/2024.osact-1.2/) | ANERcorp مصحَّحة | تصلح أخطاء الوسم والتصنيفات الناقصة وحالات عدم الاتساق الموجودة في الأصل |
| [AQMAR](https://www.cs.cmu.edu/~ark/ArabicNER/) | ويكيبيديا العربية | 74,000 رمز من 28 مقالًا |
| [Wojood](https://aclanthology.org/2022.lrec-1.387/) | الفصحى واللهجات | نحو 550,000 رمز، و21 نوعًا من الكيانات، متداخلة؛ استُخدمت في المهمة المشتركة WojoodNER 2023 |
| [CANERCorpus](https://github.com/RamziSalah/Classical-Arabic-Named-Entity-Recognition-Corpus) | أحاديث بالعربية الكلاسيكية | أكثر من 7,000 حديث، و20 نوعًا في موضوعات إسلامية |

استخدمها للتحقق المبدئي من الأمر، لا اختبارًا للقبول. فأنواع الكيانات لديك (عميل، منتج، فرع، رقم عقد) ستختلف عن أنواعها، وتراخيصها مختلفة أيضًا. راجع كلًّا منها قبل الاستخدام التجاري.

## ماذا يجب أن يطلب الأمر؟

ثلاث قواعد تجعل المخرجات قابلة للفحص:

1.  **انسخ المقطع كما هو تمامًا.** لا ترجمة، ولا كتابة بحروف لاتينية، ولا «إكمال» الاسم الأول إلى اسم كامل. وإن احتجت تهجئة إنجليزية فاطلبها في حقل منفصل وتعامل معها على أنها غير مُتحقَّق منها.
2.  **قائمة أنواع مغلقة.** PERSON وORG وLOCATION وDATE، أو مجموعتك الخاصة. الأنواع الحرة لا يمكن تقييمها.
3.  **التواريخ أجزاءً لا تحويلات.** اطلب السنة والشهر واليوم كما وردت، مع التقويم. فحرف هـ في الآخر يدل على تاريخ هجري، وحرف م يدل على الميلادي.

اكتب التعليمات بالإنجليزية أو بالعربية؛ ويشرح مقال [هندسة الأوامر بالعربية](https://broadrouter.com/ar/blog/arabic-prompt-engineering/) المفاضلة بينهما. ضع شكل JSON في الأمر النظامي (system prompt) وأبقِه متطابقًا بين الطلبات ليمكن [تخزينه مؤقتًا](https://broadrouter.com/ar/glossary/cached-input-tokens/).

## كيف تفحص الكيانات مقابل المصدر؟

قد يعيد النموذج اسمًا لا يذكره النص أبدًا، أو ينسخ اسمًا بشكل صحيح لكن دون تشكيله. والاختبار البسيط للسلسلة الجزئية لا يميّز بين الحالتين. وحّد الطرفين أولًا: احذف التشكيل والتطويل، ووحّد صور الألف، وألصق «عبد ال» ليطابق عبد الله عبدالله. القواعد هي نفسها الواردة في [توحيد النص العربي للبحث](https://broadrouter.com/ar/blog/arabic-text-normalization-search/)، مطبّقةً على المطابقة فقط. واحتفظ بالمقطع الأصلي للعرض.

```python
import json, os, re
from hijridate import Hijri
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

TYPES = {"PERSON", "ORG", "LOCATION", "DATE"}
SYSTEM = """Extract named entities from the Arabic text. Reply with JSON only:
{"entities": [{"text": "...", "type": "PERSON|ORG|LOCATION|DATE"}],
 "dates": [{"text": "...", "calendar": "hijri|gregorian", "year": 0, "month": 0, "day": 0}]}
Rules: copy "text" exactly as it appears in the input, including any diacritics.
Do not translate, transliterate or complete names. A date followed by هـ is Hijri.
If there are no entities, return empty lists."""

DIACRITICS = re.compile(r"[ً-ٰٟـ]")   # tashkeel, dagger alef, tatweel
def norm(s: str) -> str:
    s = DIACRITICS.sub("", s)
    s = re.sub("[إأآٱ]", "ا", s).replace("ى", "ي").replace("عبد ال", "عبدال")
    return " ".join(s.split())

def validate(source: str, data: dict) -> tuple[list, list]:
    """Keep entities that really occur in the source; report everything else."""
    src, kept, problems = norm(source), [], []
    for e in data.get("entities", []):
        if e.get("type") not in TYPES:
            problems.append(f"unknown type: {e}")
        elif norm(e.get("text", "")) not in src:
            problems.append(f"not in source: {e['text']}")
        else:
            kept.append(e)
    for d in data.get("dates", []):
        if d.get("calendar") == "hijri":
            try:
                d["iso"] = Hijri(d["year"], d["month"], d["day"]).to_gregorian().isoformat()
            except (ValueError, OverflowError) as err:
                problems.append(f"bad Hijri date {d['text']}: {err}")
    return kept, problems

def extract(text: str, model="broadnet/qwen3.8-27b") -> dict:
    r = client.chat.completions.create(
        model=model, max_tokens=2000,
        messages=[{"role": "system", "content": SYSTEM}, {"role": "user", "content": text}])
    data = json.loads(r.choices[0].message.content)
    data["entities"], data["problems"] = validate(text, data)
    return data

text = "التقى خالِد بن سَعِيد مديرةَ شركة النخيل للتقنية في جدة يوم ١٥ جمادى الآخرة ١٤٤٥هـ."
print(json.dumps(extract(text), ensure_ascii=False, indent=1))
```

شغّلنا هذه الشيفرة على خادم محاكاة محلي (دون استدعاء حي للـ API)، أضاف ردُّه المُعدّ مسبقًا شخصًا مختلَقًا واحدًا وتاريخًا مستحيلًا واحدًا (الشهر 13). احتفظت المخرجات بـ خالد بن سعيد (أسقط الرد التشكيل، ومع ذلك وجدته المطابقة الموحّدة)، وشركة النخيل للتقنية، وجدة. وحوّلت ١٥ جمادى الآخرة ١٤٤٥هـ إلى 2023-12-28، وذكرت مشكلتين: الاسم المختلَق «not in source»، والشهر 13 أطلق الخطأ «month must be in 1-12». الأسماء والشركة خيالية.

ملاحظات على الشيفرة:

-   **`max_tokens=2000`** يترك مجالًا للاستدلال المنطقي. تذكر وثائق BroadNet أن DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B تُجري استدلالًا منطقيًا قبل الإجابة، وأن هذا الاستدلال يُحتسب ضمن `max_tokens`. راجع [الردود الفارغة من نماذج الاستدلال المنطقي](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/).
-   **قد يفشل `json.loads`.** غلّفه، وعند الفشل أعد الإرسال مرة واحدة مع الخطأ، كما في [حلقة الإصلاح](https://broadrouter.com/ar/blog/structured-output-json-schema/). ومع GLM 5.3 وQwen3.8 27B، اللذين توثّق BroadNet دعمهما للمخرجات المنظَّمة، أضف أيضًا مخطط `response_format`. ويبقى التحقق في الحالتين.
-   **مطابقة السلسلة الجزئية متساهلة عمدًا.** فهي تؤكد وجود المقطع، ولا تؤكد نوعه. والأنواع هي ما تقيسه خطوة التقييم أدناه.

## كيف تتعامل مع التواريخ الهجرية؟

يكتب النص العربي التواريخ بطرق كثيرة: ١٥/٦/١٤٤٥هـ، أو ١٥ جمادى الآخرة ١٤٤٥، أو تاريخ ميلادي بأسماء أشهر تختلف بحسب المنطقة (نوفمبر في مصر والخليج، وتشرين الثاني في الشام). يستطيع النموذج عادةً تقسيمها إلى أجزاء، والشيفرة تفحص الأجزاء. أما التحويل بين التقويمين فعملية حسابية على جدول منشور، ولا سبب يجعل النموذج يصيب فيها.

تحوّل [hijridate](https://pypi.org/project/hijridate/)، المعروفة سابقًا باسم hijri-converter، باستخدام تقويم أم القرى. ونطاقها الموثّق من 1343 إلى 1500 هـ (من 1 أغسطس 1924 إلى 16 نوفمبر 2077 م). خارج النطاق تطلق OverflowError، ومع شهر أو يوم غير صالح تطلق ValueError، ولهذا تلتقط الشيفرة الاثنين. وتذكر وثائقها أنها غير مخصصة للأغراض الدينية التي تُفضَّل فيها رؤية الهلال، لذا قد يختلف التاريخ المحدد بالرؤية عن القيمة المحوّلة. خزّن التاريخ كما ورد بجانب التاريخ المحوّل.

لا تحتاج الأرقام العربية المشرقية هنا إلى معالجة خاصة: فالنموذج يعيد أعدادًا صحيحة. وإن حللت التواريخ بنفسك، فحوّل ٠١٢٣٤٥٦٧٨٩ (والأرقام الفارسية ۰–۹) إلى 0–9 أولًا.

## ماذا عن الأسماء بالعربيزي والنصوص المختلطة؟

كثيرًا ما تكتب رسائل العملاء الأسماء بحروف لاتينية: “ana 7a2ool la Mo7ammad bokra”. تظل قاعدة المقطع الحرفي تعمل: نص الكيان هو “Mo7ammad”، وفحص السلسلة الجزئية ينجح. أما ما يفشل فهو مطابقة هذا السجل مع محمد في نظام إدارة العملاء (CRM) لديك. نفّذ ذلك في خطوة ثانية: حوّل المقطع إلى الحروف العربية، كما في [التعامل مع العربيزي](https://broadrouter.com/ar/blog/arabizi-llm-handling/)، ثم طابقه مع سجلاتك بقواعد التوحيد نفسها. وأبقِ علامة ثقة على أي سجل مرّ بتحويل.

وينطبق الأمر نفسه على أسماء الشركات الإنجليزية داخل الجمل العربية، وعلى التهجئات اللاتينية للأسماء العربية (Mohammed وMuhammad وMohamed). لا تطلب من خطوة الاستخراج اختيار تهجئة واحدة.

## كيف تقيّم أداة الاستخراج؟

اوسم يدويًا 100 إلى 200 عينة حقيقية، بقائمة الأنواع نفسها. ثم قارن التوقعات بالتطابق التام على مستوى الكيان للنص الموحّد والنوع، واذكر الدقة (precision) والاستدعاء (recall) وF1 لكل نوع:

```python
from collections import Counter

def score(gold: list[list[dict]], pred: list[list[dict]]) -> dict:
    """Entity-level exact match on (normalised text, type), micro-averaged, plus per type."""
    tp, fp, fn = Counter(), Counter(), Counter()
    for g, p in zip(gold, pred):
        G = Counter((norm(e["text"]), e["type"]) for e in g)
        P = Counter((norm(e["text"]), e["type"]) for e in p)
        for (t, ty), n in (G | P).items():
            hit = min(G[(t, ty)], P[(t, ty)])
            tp[ty] += hit; fp[ty] += P[(t, ty)] - hit; fn[ty] += G[(t, ty)] - hit
    def prf(a, b, c):
        p = a / (a + b) if a + b else 0.0
        r = a / (a + c) if a + c else 0.0
        return {"p": round(p, 3), "r": round(r, 3), "f1": round(2 * p * r / (p + r), 3) if p + r else 0.0}
    out = {ty: prf(tp[ty], fp[ty], fn[ty]) for ty in sorted(tp | fp | fn)}
    out["micro"] = prf(sum(tp.values()), sum(fp.values()), sum(fn.values()))
    return out
```

على مجموعة تجريبية من جملتين (ثلاثة كيانات مرجعية؛ صنّف التوقع جدة على أنها ORG بدل LOCATION وأضاف مكانًا زائدًا)، طبعت الشيفرة دقة micro قدرها 0.5، واستدعاء 0.667، وF1 ‏0.571، وF1 لنوع LOCATION صفرًا. يوضح لك العرض بحسب النوع أين تبذل الجهد: فضعف نتيجة ORG يعني عادةً أن تعريفات أنواعك تحتاج أمثلة، لا نموذجًا أكبر.

حدّد مسبقًا ما يُعدّ تطابقًا. التطابق التام صارم: «شركة النخيل» مقابل مرجع «شركة النخيل للتقنية» يُحتسب إيجابيًا خاطئًا واحدًا وسلبيًا خاطئًا واحدًا. إن كانت المقاطع الجزئية مقبولة لاستخدامك، فاذكر نتيجة ثانية مبنية على التداخل، لكن أبقِ النتيجة الصارمة هي الرئيسية.

## أي نموذج من BroadNet تستخدم؟

كل الأسعار لكل مليون رمز (توكن)، من صفحة أسعار BroadNet.

| النموذج | السبب | الإدخال / الإخراج |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) | دعم المخرجات المنظَّمة موثّق؛ تذكر BroadNet أنها اختبرته بالعربية، بما في ذلك فهم اللهجتين الخليجية والمصرية؛ يقرأ الصور | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) | دعم المخرجات المنظَّمة موثّق؛ سياق من 1,048,576 رمزًا للمستندات الطويلة جدًا | $0.78 / $3.46 |
| [Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/) | يعمل على الرصيد الابتدائي $5؛ لا دعم موثّق للمخرجات المنظَّمة، فتحقق من JSON الناتج عن الأمر وحده؛ سياق من 32,768 رمزًا | $0.10 / $0.22 |

شغّل شيفرة التقييم على عينتك مع كل مرشّح، واختر بناءً على F1 لكل نوع وعلى التكلفة، لا على وصف المزوّد. تستهلك العربية عادةً رموزًا أكثر من الإنجليزية للمحتوى نفسه؛ ويعرض مقال [عدد الرموز لكل كلمة في العربية](https://broadrouter.com/ar/blog/tokens-per-word-arabic-english/) نسبًا مقيسة. وللكيانات داخل النماذج الممسوحة ضوئيًا أو الصور، استخرجها من الصورة مباشرة، كما في [قراءة الفواتير العربية بالرؤية الحاسوبية](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/).

## أين تأتي BroadNet Inference

BroadRouter هو موقع BroadNet نفسها. تمنحك BroadNet Inference وصولًا متوافقًا مع OpenAI إلى النماذج أعلاه بمفتاح واحد، فتعمل الشيفرة مع [OpenAI Python SDK](https://broadrouter.com/ar/guides/openai-python-sdk/) بعد تغيير عنوان base URL. تذكر وثائقها أن الأوامر والإجابات لا يُحتفظ بها بعد الطلب، وهذا مهم حين يمتلئ النص بأسماء الناس. ليست لديها نقطة نهاية مخصصة للتعرّف على الكيانات، ولا تنشر معيارًا خاصًا بها للكيانات العربية، فقِس على بياناتك. وإن احتجت أداة وسم مستضافة ذاتيًا لحجم كبير، فقد يكون نموذج مضبوط بدقة ومدرَّب على Wojood أو على تصنيفاتك أرخص وأكثر اتساقًا من أي LLM؛ والفجوة المنشورة أعلاه هي سبب التحقق.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[التشكيل (الحركات العربية، Arabic diacritics)](https://broadrouter.com/ar/glossary/arabic-diacritics/)

التشكيل هو علامات صغيرة تُكتب فوق الحروف العربية أو تحتها لبيان الحركات القصيرة والحروف المضعّفة وغياب الحركة. وهو اختياري: تخلو منه معظم النصوص العربية، ومنها الأخبار، فيستنتج القرّاء والبرمجيات الحركات من السياق.

[العربيزي (الفرانكو آراب، Arabizi)](https://broadrouter.com/ar/glossary/arabizi/)

العربيزي هي العربية المكتوبة بشكل غير رسمي بحروف لاتينية، مع أرقام للأصوات العربية التي لا مقابل لها في اللاتينية، مثل 3 بدل ع. وهي شائعة في المحادثات ووسائل التواصل، وغالبًا ما تكون باللهجات، ولا إملاء معياريًا لها، وكثيرًا ما تُمزج بالإنجليزية أو الفرنسية.

[أمر النظام (System prompt)](https://broadrouter.com/ar/glossary/system-prompt/)

أمر النظام (system prompt) هو نص التعليمات الذي يرسله التطبيق إلى النموذج اللغوي قبل المحادثة، عادةً في رسالة بالدور system أو developer. وهو يحدد دور النموذج وقواعده ونبرته وصيغة مخرجاته، ويُفترض أن يلتزم به النموذج إذا تعارض مع رسائل المستخدم.

[التعرّف على الكيانات المسماة (NER)](https://broadrouter.com/ar/glossary/named-entity-recognition/)

التعرّف على الكيانات المسماة (NER) هو مهمة إيجاد الأسماء في النص ووسم كل منها بنوع، مثل شخص أو منظمة أو مكان. تَسِم الأنظمة التقليدية كل رمز، أما نماذج LLM فيُطلب منها غالبًا إرجاع قائمة بالكيانات بصيغة JSON، تُطابَق بعد ذلك مع النص المصدر.

[التقييم (Eval)](https://broadrouter.com/ar/glossary/eval/)

التقييم (eval، اختصار evaluation) اختبار قابل للتكرار لنموذج لغوي أو أمر: مجموعة ثابتة من المدخلات، ووصف لما تبدو عليه المخرجات الجيدة، ومصحِّح (شيفرة أو إنسان أو نموذج آخر) يمنح كل مخرج درجة حتى يمكن المقارنة بين الإصدارات.

[العنوان الأساسي (Base URL)](https://broadrouter.com/ar/glossary/base-url/)

العنوان الأساسي (base URL) هو الجذر الثابت لعنوان الواجهة، مثل https://api.example.com/v1، الذي يضعه العميل قبل كل مسار نقطة نهاية، مثل /chat/completions. وفي حزم SDK المتوافقة مع OpenAI، يكفي تغيير العنوان الأساسي، مع مفتاح API ومعرّف النموذج، لتوجيه الشيفرة نفسها إلى مزوّد آخر.

[العربية الفصحى الحديثة (Modern Standard Arabic، MSA)](https://broadrouter.com/ar/glossary/msa/)

العربية الفصحى الحديثة (MSA) هي الصيغة المعيارية من العربية المستخدمة في الكتابة والأخبار والتعليم والخطاب الرسمي في أنحاء العالم العربي. وليست لغة الحياة اليومية الأم لأحد: يتحدث الناس لهجات إقليمية، كالمصرية أو الخليجية، وينتقلون إلى الفصحى في المواقف الرسمية.

## أسئلة شائعة

### هل يستطيع نموذج LLM التعرّف على الكيانات المسماة في النص العربي؟

نعم، مع الفحوص. النتائج المنشورة دون أمثلة في وسم الكيانات العربية على مستوى الرموز تتأخر كثيرًا عن النماذج المضبوطة بدقة، لذا تحقق من كل كيان مقابل النص المصدر وقيّم النموذج على عينة موسومة من بياناتك قبل أن تعتمد عليه.

### كيف أطابق الأسماء العربية المشكولة وغير المشكولة؟

وحّد الطرفين قبل المقارنة: احذف التشكيل (U+064B إلى U+065F) والألف الخنجرية والتطويل، وحوّل إ أ آ ٱ إلى ا وى إلى ي، واختصر المسافات. احتفظ بالنص الأصلي للعرض، واستخدم الصيغة الموحّدة للمطابقة فقط.

### كيف أحوّل التاريخ الهجري إلى ميلادي بلغة Python؟

استخدم hijridate (المعروفة سابقًا باسم hijri-converter): الاستدعاء Hijri(1445, 6, 15).to\_gregorian() يعيد 2023-12-28. تتبع المكتبة تقويم أم القرى، وتدعم من 1343 إلى 1500 هـ، وليست مخصصة للمواعيد الدينية التي تُحدَّد برؤية الهلال.

### ما مجموعات بيانات الكيانات العربية التي أختبر عليها؟

ANERcorp (أخبار، نحو 150,000 رمز، أربعة أنواع)، وAQMAR (‏74,000 رمز من ويكيبيديا)، وWojood (نحو 550,000 رمز من الفصحى واللهجات مع 21 نوعًا متداخلًا)، وCANERCorpus (أحاديث بالعربية الكلاسيكية، 20 نوعًا). راجع ترخيص كل منها، وطابق تصنيفاتها مع تصنيفاتك.

### هل يجب أن يترجم النموذج الأسماء أو يكتبها بحروف لاتينية؟

ليس في خطوة الاستخراج. اطلب المقطع المصدر كما هو تمامًا لتتمكن من التحقق منه. وأضف حقلًا منفصلًا للتهجئة اللاتينية إن احتجت إليها، وتعامل معه على أنه غير مُتحقَّق منه.

## تابع القراءة

-   [وضع JSON أم json\_schema: مخرجات منظَّمة يمكن الاعتماد عليها](https://broadrouter.com/ar/blog/structured-output-json-schema/)
-   [توحيد النص العربي للبحث وRAG: ما الذي تغيّره وما الذي تتركه](https://broadrouter.com/ar/blog/arabic-text-normalization-search/)
-   [العربيزي ونماذج LLM: التعامل مع الفرانكو والأرقام مثل 3 و7](https://broadrouter.com/ar/blog/arabizi-llm-handling/)
-   [تصنيف النصوص العربية بنموذج LLM: المشاعر والنية وفرز التذاكر](https://broadrouter.com/ar/blog/arabic-text-classification-llm/)
-   [هندسة الأوامر بالعربية: المستوى اللغوي والاتجاه والأرقام والنص المختلط](https://broadrouter.com/ar/blog/arabic-prompt-engineering/)
-   [اختيار LLM API للغة العربية: ما الذي تختبره؟](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/)
-   [التدقيق الإملائي والنحوي للنص العربي بنموذج LLM: دليل عملي](https://broadrouter.com/ar/blog/arabic-grammar-spelling-correction-llm/)
-   [تشكيل النص العربي بنموذج LLM: الأمر والتحقق ومعدل DER](https://broadrouter.com/ar/blog/arabic-diacritization-llm/)
-   [محضر اجتماع عربي من التسجيلات: مسار عمل عبر API](https://broadrouter.com/ar/blog/arabic-meeting-minutes-from-recordings/)
-   [دليل: قراءة الفواتير والإيصالات العربية بنموذج رؤية](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-named-entity-extraction-llm&utm_content=page-cta) ·

**المصادر**

-   [Abdelali وآخرون، LAraBench: Benchmarking Arabic AI with Large Language Models، EACL 2024، الجدولان 1 و5 (تاريخ المراجعة 2026-11-15)](https://aclanthology.org/2024.eacl-long.30/)
-   [Jarrar وKhalilia وGhanem، Wojood: Nested Arabic Named Entity Corpus and Recognition using BERT، LREC 2022 (تاريخ المراجعة 2026-11-15)](https://aclanthology.org/2022.lrec-1.387/)
-   [Jarrar وآخرون، WojoodNER 2023: The First Arabic Named Entity Recognition Shared Task، ArabicNLP 2023 (تاريخ المراجعة 2026-11-15)](https://aclanthology.org/2023.arabicnlp-1.83/)
-   [CAMeL Lab، صفحة تنزيل ANERcorp وتقسيم التدريب/الاختبار (تاريخ المراجعة 2026-11-15)](https://camel.abudhabi.nyu.edu/anercorp/)
-   [AlDuwais وAl-Khalifa وAlSalman، CLEANANERCorp: Identifying and Correcting Incorrect Labels in the ANERcorp Dataset، OSACT 2024 (تاريخ المراجعة 2026-11-15)](https://aclanthology.org/2024.osact-1.2/)
-   [CMU ARK، مدوّنة AQMAR للكيانات المسماة في ويكيبيديا العربية: 74,000 رمز من 28 مقالًا (تاريخ المراجعة 2026-11-15)](https://www.cs.cmu.edu/~ark/ArabicNER/)
-   [Salah وZakaria، مستودع Classical Arabic Named Entity Recognition Corpus (CANERCorpus) (تاريخ المراجعة 2026-11-15)](https://github.com/RamziSalah/Classical-Arabic-Named-Entity-Recognition-Corpus)
-   [hijridate على PyPI: محوّل تقويم أم القرى، المعروف سابقًا باسم hijri-converter، من 1343 إلى 1500 هـ (تاريخ المراجعة 2026-11-15)](https://pypi.org/project/hijridate/)
-   [المرجع التقني لواجهة BroadNet Inference: النماذج ذات المخرجات المنظَّمة والاستدلال المنطقي وmax\_tokens (تاريخ المراجعة 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-named-entity-extraction-llm&utm_content=sources)
