BroadRouter

Tâ merbûta (taa marbuta, ة)

Güncellendi

Tâ merbûta (ة, U+0629), yalnızca kelime sonunda görülen ve çoğu zaman dişil isim ve sıfatları işaretleyen bir Arapça harftir. İki noktalı he (ه, U+0647) harfine benzediği için yazılan metinde ikisi karışır; birçok arama normalleştiricisi ة'yi ه'ye çevirir.

Diğer adları: tâ merbûta, ta merbuta, yuvarlak te, taa marbuta, ta marbuta, teh marbuta, taa marbouta

مدرسة ve مدرسه, çoğu Arapça okuru için aynı kelimedir: “okul”. Bir dize karşılaştırması için ise farklıdırlar. Bunun nedeni tâ merbûtadır.

Nasıl çalışır

Unicode Standardı TEH MARBUTA’yı (U+0629) sonda gelen bir karakter, yani yalnızca bir kelimenin veya biçimbirimin sonunda görülen bir karakter olarak listeler. Sağa bitişen bir harftir; yalnızca kendinden önceki harfe bağlanır. Şekli, kelime sonundaki HEH (U+0647) şeklinin üzerine iki nokta eklenmiş hâlidir:

Karakter Kod noktası Unicode adı ب’den sonra son biçim
ة U+0629 ARABIC LETTER TEH MARBUTA بة
ه U+0647 ARABIC LETTER HEH به

İkisi kelime sonunda yalnızca iki noktayla ayrıldığı için yazılan metinde iki yazım da görülür. Bouamor ve arkadaşları (2018), Modern Standart Arapçanın standart bir yazımı olduğunu ama lehçelerin olmadığını ve insanların kelimeleri çoğu zaman telaffuzlarını yansıtacak şekilde yazdığını not eder. Bu yüzden gayriresmî ve lehçe Arapça metinlerde, sözlüğün ة yazacağı yerde sonda ه görmeyi bekleyin.

Arama normalleştiricileri ikisini birleştirir. CAMeL Tools’un normalize_teh_marbuta_ar fonksiyonu düz bir s.replace('ة', 'ه') çağrısıdır; Lucene’in ArabicNormalizer’ı da “normalization of teh marbuta to heh” (çeviri: teh marbuta’nın heh’e normalleştirilmesi) kuralını listeler.

Neden önemli

Geri getirme (recall). ة’yi ه’ye katlamak, مدرسه sorgusunun مدرسة yazan belgeleri bulmasını sağlar; tersi de geçerlidir. Elif ve hemze katlamayla birlikte Arapça metin normalizasyonunun standart kurallarından biridir.

Birleşen kelimeler. Kural, yalnızca bu harfte farklılaşan kelimeleri de birleştirir:

Asıl Anlam ة → ه sonrası
كرة top كره
كره nefret كره

Arama için ara sıra çıkan yanlış eşleşme genellikle makul bir bedeldir. Varlık eşleştirme, yazım düzeltme veya hukuki metinlerde ayrımı koruyun ve asıllarını karşılaştırın.

Puanlama. Konuşmadan metne değerlendirmesinde, referansta ة olan yerde ه yazan bir transkript, iki taraf da aynı şekilde normalleştirilmedikçe kelime hatası sayılır. Puanlamadan önce karar verin ve bunu belirtin.

BroadNet Inference’ta

BroadNet’in API’si metni normalleştirmez. Sohbet modelleri ة ve ه harflerini yazıldığı gibi alır ve döndürür; BroadNet Transcribe Arabic de sıradan Arapça metin döndürür. ة kuralını kendi indeksinizde veya puanlama kodunuzda, her iki tarafa da uygulayın.

Bir sohbet modelinden yazım düzeltmesi istiyorsanız düzeltmelerini kodda kontrol edin: Arapça yazım düzeltme yazısı diff tabanlı bir kontrol gösterir. İndeksler için Arapça RAG araması yazısı ve normalizasyon rehberi kuralın nereye oturduğunu gösterir. Kuralı kendi dizelerinizde Arapça metin normalleştiricisiyle deneyebilirsiniz.

Sık sorulan sorular

Neden tersine ه'yi ة'ye çevirmiyoruz?

Çünkü ه kendi başına yaygın bir harftir; "onun" anlamına gelen zamir eki de dahil. ة'yi ه'ye çevirmek tek yönlüdür ve her yerde güvenle uygulanabilir; tersi ise metne olmayan harfler ekler.

ة'den ه'ye kuralı kelimenin ortasında da geçerli mi?

Tâ merbûta yalnızca bir kelimenin veya biçimbirimin sonunda görülür; bu yüzden pratikte kural yalnızca son harfleri değiştirir. CAMeL Tools konuma bakmadan her ة'yi değiştirir.

Yazım düzeltme ة'yi geri getirmeli mi?

Getirebilir, ama sondaki bir ه'nin ة olması gerekip gerekmediği kelimeye, bazen de lehçeye bağlıdır. Düzeltmeyi modele yaptırın, sonra değişikliği kodda ve incelemede kontrol edin.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor