---
title: "Arapça RAG: normalleştirme, parçalama ve embedding | BroadRouter"
description: "Arapça belgelerde erişimle zenginleştirilmiş üretim: elif, yâ ve ta marbuta normalleştirme, akıllı parçalama, çok dilli embedding ve anahtar kelime araması."
url: https://broadrouter.com/tr/blog/arabic-rag-search/
lang: tr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/blog/arabic-rag-search/) (güncelleme: 2026-11-14).

# Arapça RAG: işe yarayan normalleştirme, parçalama ve erişim

BroadNet Inference ekibi · 6 dk okuma · Yayımlandı 2026-11-14

Arapça RAG; metni dizinlemeden önce normalleştirdiğinizde (elif biçimlerini, yâ ile elif maksurayı, ta marbutayı birleştirip hareke ve tatvili sildiğinizde), paragraf bazında parçaladığınızda, çok dilli bir embedding modelini anahtar kelime aramasıyla birleştirdiğinizde ve uzun bağlamlı bir LLM'in bulunan pasajlardan kaynak göstererek yanıt vermesini sağladığınızda işe yarar. Aynı normalleştirmeyi sorgulara da uygulayın.

## Öne çıkanlar

-   Belgeleri ve sorguları aynı şekilde normalleştirin: أ/إ/آ → ا, ى → ي, ة → ه, hareke yok, tatvil yok.
-   Gösterim için orijinal metni saklayın; normalleştirilmiş kopyayı dizinleyin.
-   Arapça analizörlü anahtar kelime aramasını çok dilli embedding ile birleştirin, sonra hibrit yöntemi kendi sorgularınızda ikisinin tek başına haline karşı test edin.
-   Arapça sorgularda test ettiğiniz çok dilli bir embedding modeli seçin. BroadNet Inference bir embedding uç noktası sunmuyor.
-   Uzun bağlamlı modeller cömert erişime izin verir: DeepSeek V4.1 Flash ve GLM 5.3 1.048.576 token kabul ediyor.

**Bu sayfada**

1.  Bir Arapça RAG hattı nasıl görünür?
2.  Arama için Arapça metin nasıl normalleştirilir?
3.  Arapça belgeler nasıl parçalanır?
4.  Anahtar kelime araması ile embedding neden birleştirilmeli?
5.  Kaynak gösteren yanıtlar nasıl üretilir?
6.  Arapça RAG nasıl değerlendirilir?

_[image: A man speaking into a microphone beside the Arabic word "حوار" (conversation), with the text "Conversations, ready to search."]_

[Erişimle zenginleştirilmiş üretimi](https://broadrouter.com/tr/glossary/rag/) (RAG) Arapçada çalıştırmak için belgeleri ve sorguları aynı yazım kurallarıyla normalleştirin, paragraf bazında parçalayın, hem Arapça bir anahtar kelime analizörüyle hem de çok dilli bir embedding modeliyle arayın ve LLM’in yalnızca bulunan pasajlardan, kaynak göstererek yanıt vermesini sağlayın.

[Orijinal RAG makalesindeki](https://arxiv.org/abs/2005.11401) desen önce erişim, sonra üretimdir. Arapça RAG hatalarının çoğu ilk yarıda olur. Kullanıcı “الفاتوره” yazar, dizinde ise “الفاتورة” vardır; bir politika metni “إلغاء” der, kullanıcı “الغاء” yazar; embedding modeli de çoğunlukla İngilizceyle eğitilmiştir. Erişimi düzeltin, LLM kısmı çoğu zaman kendiliğinden yoluna girer.

## Bir Arapça RAG hattı nasıl görünür?

1.  PDF’lerden, web sayfalarından ve yardım merkezi makalelerinden metni **çıkarın**. Taranmış Arapça PDF’ler için [Arapça OCR ve görsel LLM’ler](https://broadrouter.com/tr/blog/arabic-ocr-vision-llm/) yazısına bakın.
2.  Dizinleme için metnin bir kopyasını **normalleştirin**.
3.  Yapıya göre **parçalayın**: başlıklar ve paragraflar.
4.  İki kez **dizinleyin**: bir anahtar kelime dizini ve bir vektör dizini.
5.  Normalleştirilmiş sorguyla ikisinden de **getirin**, birleştirin ve yeniden sıralayın.
6.  En üstteki pasajlardan, onları kaynak göstererek bir yanıt **üretin**.

## Arama için Arapça metin nasıl normalleştirilir?

Arapça aynı kelimenin birkaç yazımına izin verir ve kullanıcılar harekeyi ya da hemzeyi nadiren tutarlı yazar. Dizinlenen kopyayı ve her sorguyu aynı fonksiyonla normalleştirin:

| Kural | Karakterler | Neden |
| --- | --- | --- |
| Elifi birleştir | أ إ آ ٱ → ا | Yazarken hemze çoğu zaman atlanır |
| Elif maksura | ى → ي | Mısır yazımında ve gevşek imlada yaygın |
| Ta marbuta | ة → ه | Kullanıcılar kelime sonunda ه yazar |
| Harekeleri sil | U+064B ile U+0652 arası, U+0670 | Metinlerin ve sorguların çoğu harekesizdir |
| Tatvili kaldır | ـ (U+0640) | Süsleme amaçlı uzatma |
| Rakamlar | ٠–٩ → 0–9 | Sayıları iki biçimde de eşleştirmek için |

Her seçeneği [Arapça metin normalleştirici](https://broadrouter.com/tools/arabic-text-normalizer/) ile kendi metninizde deneyin; araç buna uyan bir Python fonksiyonu da yazar.

```python
import re

_DIAC = re.compile(r"[ً-ْٰ]")

def normalise(text: str) -> str:
    text = _DIAC.sub("", text).replace("ـ", "")
    text = re.sub("[أإآٱ]", "ا", text)
    text = text.replace("ى", "ي").replace("ة", "ه")
    return text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789"))
```

Kod noktaları [Unicode Arapça tablosunda](https://www.unicode.org/charts/PDF/U0600.pdf). İki uyarı:

-   **Normalleştirilmiş metni asla göstermeyin.** Orijinali yanında saklayın; gösterirken, kaynak gösterirken ve LLM’e gönderirken orijinali kullanın. Normalleştirilmiş Arapça okuyuculara yanlış yazılmış gibi görünür.
-   **Bazı birleştirmeler anlam kaybettirir.** ة → ه birkaç kelime çiftini birleştirir, ى → ي ise “على” (üzerinde) ile “علي” (Ali) adını aynı yapar. Arama geri çağırması için bu takas genellikle değer; kendi sorgularınızda test edin.

Aynı kurallar [Arapça konuşma tanıma doğruluğunu ölçmenin](https://broadrouter.com/tr/blog/arabic-asr-wer-explained/) de merkezinde; yani tek bir fonksiyonu tüm sisteminizde yeniden kullanabilirsiniz.

## Arapça belgeler nasıl parçalanır?

-   **Yapıya göre bölün.** Başlıklar, sözleşmelerdeki numaralı maddeler (المادة ١، المادة ٢) ve paragraf sonları doğal sınırlardır.
-   **Parça başına birkaç yüz kelime,** bir iki cümlelik örtüşmeyle. Arapça kelimeler İngilizce kelimelerden daha çok biçimbirim taşır; bu yüzden bir parça, uzunluğunun düşündürdüğünden daha fazla anlam kapsar.
-   **Cümle sınırları:** . ؟ ! ve Arapça virgül ، ile yalnızca son çare olarak bölün. Pek çok Arapça metin و ile bağlanan uzun cümleler kullanır; paragraf düzeyinde bölmek daha güvenlidir.
-   **Bağlamı taşıyın.** Her parçanın başına belge başlığını ve bölüm başlığını Arapça olarak ekleyin; böylece “تُطبَّق هذه الرسوم” (bu ücretler uygulanır) diyen bir parça hangi ücretlerden söz ettiğini de söyler.

[RAG parçalama hesaplayıcısı](https://broadrouter.com/tools/rag-chunking-calculator/) parça boyutunu, örtüşmeyi ve top-k değerini parça sayısına, sorgu başına token’a ve aylık maliyete çevirir.

## Anahtar kelime araması ile embedding neden birleştirilmeli?

### Anahtar kelime araması

Arapça biçimbilimi saf anahtar kelime eşleştirmeyi boşa çıkarır: كتاب, الكتاب, بالكتاب, وكتابه ve كتب hepsi “kitap” ile ilgilidir. Arapçayı işleyebilen bir analizör kullanın. Elasticsearch, Arapça durdurma kelimelerini, rakam normalleştirmeyi, Arapça normalleştirmeyi ve bir Arapça gövdeleyiciyi zincirleyen bir [Arapça dil analizörüyle](https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-lang-analyzer.html) geliyor; böylece الكتاب ve وكتاب gibi ön ekli biçimler daha sık eşleşir. Ona güvenmeden önce kendi kelime dağarcığınızda neleri birleştirdiğini kontrol edin.

### Embedding

[Embedding modelleri](https://broadrouter.com/tr/glossary/embeddings/) metni vektörlere eşler; böylece anlamı benzer pasajlar, ortak kelime içermeseler bile birbirine yakın durur. Arapça için çok dilli bir model seçin ve test edin:

-   **Birçok dille eğitilmiş modelleri tercih edin.** Örneğin yazarlarının 100’den fazla çalışma dilini desteklediğini söylediği [BGE M3](https://arxiv.org/abs/2402.03216). Yalnızca İngilizce modeller zayıf Arapça vektörler üretir.
-   **Diller arası erişimi test edin;** kullanıcılar Arapça belgeler hakkında İngilizce soruyorsa ya da tersi.
-   **Orijinal ya da normalleştirilmiş metni embedding’e çevirin, ama tutarlı olun;** belgelerde ve sorgularda aynısını yapın. İkisini de test edin; sonuçlar modele göre değişir.

BroadNet Inference bir embedding uç noktası sunmuyor: belgelenen uç noktaları sohbet tamamlama ve ses transkripsiyonu. Güvendiğiniz bir embedding sağlayıcısını kullanın ya da açık bir çok dilli embedding modelini bir [vektör veritabanıyla](https://broadrouter.com/tr/glossary/vector-database/) kendiniz barındırın; üretim için BroadNet’i kullanın. [Embedding maliyet hesaplayıcısı](https://broadrouter.com/tools/embedding-cost-calculator/) dizinleme ve sorgu maliyetini sağlayıcılar arasında fiyatlandırır.

### Birleştirme ve yeniden sıralama

İki aramayı da çalıştırın, sonuçları karşılıklı sıra füzyonuyla (reciprocal rank fusion: her belgeyi listeler boyunca 1 / (k + sıra) toplamıyla puanlayın) birleştirin ve en iyi 10 ila 30 pasajı tutun. Bir yeniden sıralayıcı ya da hızlı bir LLM ilgililik kontrolü bunu daha da daraltabilir; ama uzun bağlamlı modellerle bu adımı çoğu zaman atlayabilirsiniz.

## Kaynak gösteren yanıtlar nasıl üretilir?

Modele pasajları kimlikleriyle verin ve yalnızca onlardan yanıt vermesini isteyin:

```python
import os
from openai import OpenAI

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

def answer(question: str, passages: list[dict]) -> str:
    context = "\n\n".join(f"[{p['id']}] {p['title']}\n{p['text']}" for p in passages)
    system = ("أجب عن سؤال المستخدم بالعربية الفصحى المبسطة، اعتماداً فقط على المقاطع المرفقة. "
              "اذكر رقم المقطع بين قوسين مربعين بعد كل معلومة. "
              "إذا لم تجد الإجابة في المقاطع فقل ذلك بوضوح.")
    r = client.chat.completions.create(
        model="broadnet/deepseek-v4.1-flash",
        max_tokens=4000,
        messages=[{"role": "system", "content": system},
                  {"role": "user", "content": f"المقاطع:\n{context}\n\nالسؤال: {question}"}],
    )
    return r.choices[0].message.content
```

Arapça sistem istemi şunu söylüyor: “Kullanıcının sorusunu, yalnızca ekteki pasajlara dayanarak sade Modern Standart Arapçayla yanıtla. Her bilgiden sonra pasaj numarasını köşeli parantez içinde belirt. Yanıtı pasajlarda bulamazsan bunu açıkça söyle.” İngilizce talimatlar da aynı derecede işe yarar; önemli olan yalnızca pasajlardan yanıt verme ve kaynak gösterme kuralıdır.

Pasajları sorudan önce koyun. Aynı belgeler birçok istekte geçiyorsa, önbellekli girdi fiyatı uygulansın diye onları istemin başında aynı sırayla tutun; bkz. [önbellekli girdi token’ları](https://broadrouter.com/tr/blog/cached-input-tokens-explained/).

### Hangi model?

| Model | Bağlam | Neden |
| --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/tr/models/deepseek-v4.1-flash/) | 1.048.576 | BroadNet’te bu üçü arasında en düşük önbellekli girdi fiyatı (1M token başına $0.0055), birçok pasaja yer, sabit fiyatlı planlar mevcut |
| [GLM 5.3](https://broadrouter.com/tr/models/glm-5.3/) | 1.048.576 | Ajan tabanlı erişim için araçlar ve yapılandırılmış çıktı |
| [Qwen3.8 27B](https://broadrouter.com/tr/models/qwen3.8-27b/) | 262.144 | BroadNet Arapçada test etti: akıcı yazım, Körfez ve Mısır lehçelerini anlıyor |

Bir milyon token’lık bağlamla cömertçe getirebilirsiniz; örneğin 5 yerine 50 pasaj verip seçimi modele bırakın. Bu, erişim doğru pasajı 12. sıraya koyduğunda oluşan zararı azaltır. Küçük belge setlerinde erişime hiç gerek kalmayabilir; bkz. [uzun bağlam ve RAG](https://broadrouter.com/tr/blog/long-context-vs-rag/). Derleminizin sığıp sığmadığını [bağlam penceresi hesaplayıcısıyla](https://broadrouter.com/tools/context-window-calculator/) kontrol edin. Tüm modellerin fiyatları [fiyatlar sayfasında](https://broadrouter.com/tr/pricing/).

## Arapça RAG nasıl değerlendirilir?

1.  Kullanıcılarınızın gerçekte yazdığı MSA, lehçe ve İngilizce karışımıyla 50 ila 100 gerçek soru yazın.
2.  Her birini yanıtlayan pasajı işaretleyin.
3.  Önce erişimi ölçün: doğru pasaj ilk 10’da mı? Yalnızca anahtar kelimeyi, yalnızca embedding’i ve hibriti, normalleştirmeli ve normalleştirmesiz olarak karşılaştırın.
4.  Sonra yanıtları ölçün: doğru mu, kaynak gösterilmiş mi, yanıt yoksa “bulunamadı” deniyor mu?
5.  Bilerek yanlış yazılmış ve lehçeli sorgular ekleyin. Kullanıcılar “أين الفاتورة” değil, “وين الفاتوره” (Körfez/Levant: fatura nerede) yazar.

Üretim modelini değiştirmeden önce erişimi düzeltin: doğru pasaj isteme hiç ulaşmıyorsa hiçbir model onu kaynak gösteremez.

Bu konu için ücretsiz araçlar (İngilizce)

-   [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.

[Ücretsiz araçlar (İngilizce)](https://broadrouter.com/tools/)

## Bu yazıdaki terimler

[Embedding (gömme vektörü)](https://broadrouter.com/tr/glossary/embeddings/)

Embedding'ler (gömme vektörleri), bir modelin bir metin parçasını, görseli veya başka bir girdiyi temsil etmek için ürettiği kayan noktalı sayı listeleridir (vektörler). Anlamca benzer girdiler birbirine yakın vektörler alır; bu yüzden vektörler arasındaki mesafe arama sonuçlarını sıralamak, belgeleri kümelemek veya ilgili öğeleri bulmak için kullanılabilir.

[Token](https://broadrouter.com/tr/glossary/token/)

Token, bir dil modelinin okuduğu ve yazdığı metin birimidir: modelin tokenizer'ının ürettiği bir kelime, kelime parçası, noktalama işareti veya bayt dizisi. LLM API'leri kullanımı token cinsinden sayar, sınırlar ve genellikle faturalandırır.

[Araç çağırma (tool calling)](https://broadrouter.com/tr/glossary/tool-calling/)

Araç çağırma (tool calling), fonksiyon çağırma (function calling) olarak da bilinir; modelin, geliştiricinin tanımladığı bir fonksiyonu çalıştırmak için JSON argümanlı yapılandırılmış bir istek döndürdüğü bir LLM API özelliğidir. Fonksiyonu uygulama çalıştırır ve sonucu geri gönderir; model hiçbir zaman kodu kendisi çalıştırmaz.

[BM25](https://broadrouter.com/tr/glossary/bm25/)

BM25 (Okapi BM25), anahtar kelime araması için bir sıralama fonksiyonudur; bir belgeyi sorgu terimlerinin içinde ne sıklıkla geçtiğine, bu terimlerin koleksiyonda ne kadar nadir olduğuna ve belgenin uzunluğuna göre puanlar. Lucene ve Elasticsearch'te varsayılan benzerlik fonksiyonudur.

[Yeniden sıralama (reranking)](https://broadrouter.com/tr/glossary/reranking/)

Yeniden sıralama (reranking), daha isabetli ama daha yavaş bir modelin, genellikle bir cross-encoder'ın, ilk aramadan gelen her sorgu ve aday belge çiftini puanlayıp yeniden sıraladığı ikinci erişim aşamasıdır; böylece dil modeline yalnızca en alakalı birkaç sonuç gönderilir.

[Bağlam penceresi (context window)](https://broadrouter.com/tr/glossary/context-window/)

Bağlam penceresi, bir dil modelinin tek bir istekte işleyebileceği en fazla token sayısıdır. Sistem istemini, konuşma geçmişini, araç tanımlarını, görselleri ve akıl yürütme token'ları dahil üretilen çıktıyı kapsar. Sığmayan her şey kesilmeli, özetlenmeli veya birden fazla isteğe bölünmelidir.

[Girdi ve çıktı token'ları](https://broadrouter.com/tr/glossary/input-and-output-tokens/)

Girdi token'ları, bir dil modelinin istekte okuduğu token'lardır: sistem istemi, konuşma geçmişi, araç tanımları ve görseller dahil. Çıktı token'ları ise modelin yanıt olarak ürettikleridir, akıl yürütme dahil. LLM API'leri bunları genellikle ayrı fiyatlandırır ve çıktı genellikle daha pahalıdır.

[Hemze (hamza)](https://broadrouter.com/tr/glossary/hamza/)

Hemze (ء), Arapçada gırtlak durmasını gösteren harftir. Tek başına ya da bir taşıyıcı üzerinde yazılır: elif (أ إ), vav (ؤ) veya ye (ئ); آ ise elifi medde ile birleştirir. Klavyeyle yazılan metin bu konuda tutarsız olduğundan, arama motorları ve konuşma puanlaması elif biçimlerini çoğu zaman ا harfine indirger.

## Sık sorulan sorular

### BroadNet Inference embedding sunuyor mu?

Hayır. Belgelenen uç noktaları sohbet tamamlama (chat completions) ve ses transkripsiyonu. Başka bir sağlayıcının embedding modelini kullanın ya da açık bir çok dilli embedding modelini kendiniz çalıştırın; üretim adımı için BroadNet'i kullanın.

### Ta marbutayı he harfine normalleştirmeli miyim?

Arama için genellikle evet, çünkü kullanıcılar ikisini de yazar. Bu birkaç farklı kelimeyi birleştirir, ama çoğu derlemde geri çağırma kazancı bundan ağır basar. Gösterim ve kaynak gösterme için orijinal metni saklayın.

### Arapça parçalar ne kadar büyük olmalı?

Bir ila üç paragrafla, yani birkaç yüz kelimeyle ve küçük bir örtüşmeyle başlayın. Cümle ortasından değil, başlıklardan ve paragraf sonlarından bölün; belge başlığını her parçayla birlikte tutun.

### Arapça için hangi embedding modeli işe yarar?

Çok dilli bir model kullanın ve kendi Arapça sorgularınızda test edin. Örneğin BGE M3, yazarlarınca 100'den fazla çalışma dilinde erişimi desteklediği şeklinde tanımlanıyor. Yalnızca İngilizce embedding modelleri zayıf Arapça vektörler üretir.

### Kullanıcılar İngilizce arayıp Arapça belgeleri bulabilir mi?

Evet; iki dili tek bir uzaya eşleyen çok dilli bir embedding modeliyle ya da anahtar kelime aramasından önce sorguyu bir LLM ile çevirerek. Diller arası sorguları ayrıca test edin.

## Okumaya devam edin

-   [Uzun bağlam mı RAG mı: 1M token vektör veritabanının yerini alır mı?](https://broadrouter.com/tr/blog/long-context-vs-rag/)
-   [Arapça ASR için kelime hata oranı (WER) nedir?](https://broadrouter.com/tr/blog/arabic-asr-wer-explained/)
-   [Arapça istem mühendisliği: dil düzeyi, RTL, rakamlar, karışık metin](https://broadrouter.com/tr/blog/arabic-prompt-engineering/)
-   [Arapça için LLM API seçimi: neler test edilmeli?](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/)
-   [LLM ile Arapça metne hareke ekleme: istem, kontrol, DER](https://broadrouter.com/tr/blog/arabic-diacritization-llm/)
-   [LLM ile Arapça dil bilgisi ve yazım düzeltme: adım adım](https://broadrouter.com/tr/blog/arabic-grammar-spelling-correction-llm/)
-   [Rehber: LangChain'i BroadNet Inference ile kullanın](https://broadrouter.com/tr/guides/langchain-openai-base-url/)
-   [Rehber: OpenAI Python SDK'yı BroadNet Inference ile kullanın](https://broadrouter.com/tr/guides/openai-python-sdk/)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-rag-search&utm_content=page-cta) ·

**Kaynaklar**

-   [Lewis vd., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv 2005.11401; erişim tarihi 2026-11-14)](https://arxiv.org/abs/2005.11401)
-   [Chen vd., M3-Embedding: 100'den fazla çalışma dili (arXiv 2402.03216; erişim tarihi 2026-11-14)](https://arxiv.org/abs/2402.03216)
-   [Elasticsearch dil analizörleri, arabic analizörünün filtreleri (erişim tarihi 2026-11-14)](https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-lang-analyzer.html)
-   [Unicode Arapça kod tablosu, U+0600 ile U+06FF arası (erişim tarihi 2026-11-14)](https://www.unicode.org/charts/PDF/U0600.pdf)
-   [BroadNet Inference API başvurusu, mevcut uç noktalar (erişim tarihi 2026-11-14) (İngilizce)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-rag-search&utm_content=sources)
