International Science and Technology Journal

Home < Articles < Article Details

Enhancing Named Entity Recognition for Libyan Arabic Dialect Using Neural Network Models

Researcher(s):
  • Ramadan Alsayed Alfared
  • Lila Saad Arebi
Institution:Faculty of Information Technology, University of Zawia- Libya
Faculty of Science, Zawia, University of Zawia - Libya
Field:Computer science, expert systems and information technology
Published in:37th volume - October 2025
الملخص
يعد التعرف على الكيانات المسماة) ما يعرف بالإنجليزية NER) تقنية أساسية في معالجة اللغات الطبيعية، حيث تستخرج كيانات مثل الأشخاص والمنظمات والمواقع. ولا يزال هذا الأمر يمثل تحديا كبيرا للهجات العربية التي تعاني من نقص المصادر اللغوية، ولا سيما اللهجة الليبية، نظرا لاختلافها الصوتي والمعجمي والنحوي عن اللغة العربية الفصحى الحديثة، وندرة المدونات اللغوية المعلمة. تقدم هذه الورقة البحثية أول نموذج مخصص للتعرف على الكيانات المسماة في اللهجة الليبية باستخدام نماذج التعلم العميق. وقد جمعت مجموعة بيانات معلمة جديدة من شبكات التواصل الاجتماعي، وقيم أداء النموذج باستخدام مقاييس الدقة والاستدعاء ومقياس F1. وحقق النموذج دقة إجمالية بلغت 0.85، مع مقاييسF1، حيث بلغت 0.88 (للمواقع)، و0.80 (للمنظمات)، و0.79 (للأشخاص)............... الكلمات المفتاحية:............ التعرف على الكيانات المسماة، اللهجة العربية الليبية، التعلم العميق، اللغات ذات الموارد المحدودة.
Abstract
Named Entity Recognition is a key technique in Natural Language Processing task that extracts entities such as persons, organizations or locations. It remains a significant challenge for under-resourced Arabic dialects, particularly Libyan Arabic dialect, due to its phonological, lexical and syntactic divergence from Modern Standard Arabic and the scarcity of annotated corpora. This paper presents the first dedicated Named Entity Recognition for Libyan Arabic dialect using deep learning models. An annotated dataset was curated from social media networks, and model performance was evaluated using precision, recall, and F1-score. The result achieved an overall accuracy of 0.85, with F1-scores of 0.88 (Location), 0.80 (Organization), and 0.79 (Person)............. Keywords:.......... Named Entity Recognition, Libyan Arabic dialect, Deep Learning, Low-Resource Languages.