本文介绍了在ArabicNLP 2023的ArAIEval挑战中，利用XLM-RoBERTa模型识别阿拉伯语文本中的说服技巧。研究通过微调和特征提取，取得了高达0.865的F1分数，展示了在社交媒体内容中检测宣传技术的有效性，并探讨了训练数据集的平衡性对模型性能的影响。

SALMA是首个阿拉伯语语义注释语料库，包含约34K个令牌，使用现代和Ghani语义库进行注释。该语料库创新性地将令牌与多个语义关联，并提供评分。通过多种度量评估注释质量，结果显示高一致性。构建的词义消歧系统在现代语义库上的准确率达到84.2%。完整语料库和工具均为开源。

该文汇总多项阿拉伯语与日语自然语言处理研究，包括构建日语指令数据集并验证指令微调效果、利用神经检索改进古兰经检索、建设Masader等阿拉伯语数据集与超500GB语料库、开发ArBanking77意图检测、AceGPT本土化大模型及多方言BERT，并探讨文化语言差异与开放域问答。

研究了阿拉伯文无点表示法作为标准阿拉伯文本表示法的选择，并分析了其潜在影响。通过对语料库和分词技术进行全面分析，比较了无点表示法与标准文本的信息密度，并构建了统计和神经语言模型进行评估。发现无点表示法在自然语言处理任务中具有潜在优势，为阿拉伯语自然语言处理的进一步研究提供了基础。

本文介绍了一个基于BERT模型的阿拉伯语和Arabizi语言的网页命名实体识别器，能够识别50个实体类别，并在多个数据集上取得高准确率。系统部署在用户友好的网页界面上，并具备使用CAMeL Tools模型的能力。