الانتقال إلى المحتوى الرئيسي

هجين القواعد + النماذج اللغوية الكبيرة (Rule-Based + LLM Hybrid)

الفكرة: استخدم قواعد لغوية حتمية للأنماط التي تعرف أنها صحيحة (الإلصاق الصرفي، تنسيق الأرقام، التراكيب العبارية المعروفة)، ودَع النموذج اللغوي الكبير (LLM) يتولى الترجمة الإبداعية لكل ما عدا ذلك. تتجاوز القواعد مخرجات النموذج اللغوي حيثما تنطبق؛ ويملأ النموذج اللغوي الفجوات المتبقية.

:::info هذا دليل عملي، وليس تنفيذًا مكتملًا يرسم هذا الدليل الخطوط العريضة للبنية الهجينة. تعتمد القواعد المحددة كليًا على قواعد اللغة المستهدفة والموارد اللغوية المتاحة. :::

متى تستخدم هذه الطريقة​

  • لديك خبرة لغوية عميقة باللغة المستهدفة (أو إمكانية الوصول إلى لغويّ متخصص)
  • بعض أنماط الترجمة حتمية — أي أنك تعرف المخرجات الصحيحة بيقين
  • النموذج اللغوي الكبير (LLM) يفشل باستمرار في أنماط محددة (تنسيق الأرقام، صيغ التشريف، الإلصاق)
  • تريد ضمان الصحة للأنماط عالية الأهمية مع الحفاظ على السلاسة لبقية النص

كيف تعمل​

Input ──→ [Rule Engine] ──→ [LLM] ──→ [Merge] ──→ Output
              │                │           │
              │ Known patterns │ Unknown    │ Rules override
              │ handled here   │ parts      │ LLM where both
              ▼                ▼            ▼ produced output
         Deterministic     Creative     Final translation
         fragments         translation
  1. تعريف القواعد — أنماط regex، وعمليات بحث FST، وجداول بحث للترجمات المعروفة
  2. المعالجة المسبقة — تحديد واستخراج المقاطع المطابقة للقواعد من النص المصدر
  3. ترجمة النموذج اللغوي — للنص المتبقي، مع استخدام مخرجات القواعد كقيود
  4. الدمج — إعادة تجميع الترجمة، مع تفضيل مخرجات القواعد حيثما توفرت
  5. التحقق — فحص اختياري بواسطة FST/القواعد على النتيجة المدمجة

مثال: قواعد الأرقام والتواريخ​

import re

# Rule: Numbers stay as-is (don't let the LLM hallucinate number translations)
def rule_preserve_numbers(text):
    return re.sub(r'\b\d+\b', lambda m: f'__NUM_{m.group()}__', text)

# Rule: Known greetings have exact translations
GREETING_RULES = {
    "hello": "tânisi",
    "goodbye": "êkosi",
    "thank you": "kinanâskomitin",
}

# Rule: Date format conversion
def rule_date_format(text):
    # "January 15" → "kisê-pîsim 15" (deterministic month mapping)
    ...

قرارات التصميم الأساسية​

أولوية القواعد: عندما تنتج القاعدة والنموذج اللغوي كلاهما مخرجات للمقطع نفسه، أيهما يفوز؟ يجب أن تفوز القواعد في الأنماط الحرجة من حيث الصحة. ويجب أن يفوز النموذج اللغوي في الأنماط الحرجة من حيث السلاسة.

مستوى الدقة: قواعد على مستوى الكلمة (البحث في القاموس) مقابل قواعد على مستوى العبارة (تحويل التعابير الاصطلاحية) مقابل قواعد بنيوية (إعادة ترتيب الجملة). ابدأ بمستوى الكلمة؛ ثم أضف قواعد على مستوى العبارة كلما حددت أنماطًا جديدة.

صيانة القواعد: كل قاعدة هي التزام بالصيانة. فضّل مجموعة صغيرة من القواعد عالية الموثوقية على مجموعة كبيرة من القواعد التقريبية. إذا لم تكن متأكدًا من صحة قاعدة ما، فاتركها للنموذج اللغوي.

الإيجابيات والسلبيات​

✅ صحة مضمونة حيثما تنطبق القواعد❌ تتطلب خبرة لغوية عميقة
✅ شفافية — القواعد قابلة للقراءة والتدقيق❌ قد ينتج عن نقطة التقاء القواعد والنموذج اللغوي مخرجات غير طبيعية
✅ القواعد سريعة (دون تكلفة API)❌ يتزايد عبء الصيانة مع ازدياد عدد القواعد
✅ تدريجية — أضف قواعد كلما تعلمت المزيد❌ يصعب التعامل مع التصريف عند حدود القواعد

يتكامل جيدًا مع​

  • FST-Gated Pipeline — FST كنوع محدد من محركات القواعد
  • Dictionary-Augmented LLM — البحث في القاموس هو قاعدة بسيطة
  • Coached LLM Prompting — يتعامل التوجيه مع التفضيلات المرنة، بينما تتعامل القواعد مع المتطلبات الصارمة

انظر أيضًا​