في العمليات الصناعية، يُعتبر التعرف الدقيق على الكيانات المُسماة باللغة الصينية (NER) أمراً مهماً للتطبيقات مثل استخراج المعلومات، بناء مخططات المعرفة، واتخاذ القرارات الذكية. ومع ذلك، فإن مشكلات مثل ضبابية حدود الكيانات، تداخل المعاني، ونقص بيانات التعليم تعيق أدائها بشكل كبير. لمواجهة هذه التحديات، تقدم هذه الورقة إطار عمل NER صيني موجّه بواسطة قاموس المجال يُدعى DDiNER. يقوم هذا الإطار بدمج قاموس صناعي هرمي مع نموذج الترميز الثنائي الاتجاه من خلال موائم القاموس الهرمي، ويجمع بين الشبكة العصبونية طويلة قصيرة المدى الثُنائية الاتجاه ونموذج الحقول العشوائية الشرطية لتحقيق دمج الميزات متعددة المستويات. تظهر النتائج التجريبية أن DDiNER تحقق أداءً متميزاً، حيث بلغت معدلات الدقة، الاستدعاء، والقيمة F1 على التوالي 95.75٪، 95.73٪، و95.74٪، متفوقة بشكل ملحوظ على الطرق التقليدية. كما تؤكد نتائج التحقق على مجموعة بيانات مستقلة أن النموذج يمتلك متانة وقدرة تعميم جيدة في التعرف على الكيانات غير المسجلة والكيانات ذوي الذيل الطويل. توفر هذه الدراسة حلاً فعالاً وقابلاً للتوسع لـ NER بالصينية في المجال الصناعي، مع إمكانيات واضحة للتطبيق في مجالات الذكاء الاصطناعي المتقدمة.

التعرف على الكيانات المسماة; الصناعة العملياتية; قاموس المجال; موائم القاموس الهرمي