ما هو التجذيع (Stemming)؟ آلياته وتطبيقاته في اللسانيات العربية

التجذيع (Stemming) عملية حاسوبية تُجرَّد فيها الكلمة من زوائدها الصرفية للوصول إلى جذعها أو جذرها اللغوي. تُوظَّف هذه العملية في اللسانيات الحاسوبية ومعالجة اللغات الطبيعية (NLP) لتقليص التنوع المعجمي وتحسين استرجاع المعلومات. تواجه اللغة العربية تحديات فريدة في هذا المجال بسبب غناها الاشتقاقي والصرفي الذي لا تضاهيه لغة أوروبية.

هل وقفتَ يوماً أمام محرك بحث عربي وتساءلتَ: كيف يفهم هذا المحرك أنّ “المعلمين” و”تعليم” و”عِلم” تدور كلها حول فكرة واحدة؟ أنت لستَ وحدك في هذا التساؤل. كثير من الباحثين في اللسانيات والمبرمجين المهتمين بالمعالجة الآلية للغة العربية يصطدمون بهذا السؤال الجوهري. في هذا المقال ستجد تفصيلاً علمياً دقيقاً لآليات التجذيع وخوارزمياته، وستفهم لماذا تظل العربية تحدياً استثنائياً أمام أذكى الخوارزميات، وكيف يمكنك توظيف هذا الفهم في بحثك أو مشروعك البرمجي.

تخيّل أنّ باحثاً اسمه “سامر” يعمل على أطروحة ماجستير في جامعة القاهرة حول تحليل المشاعر في التغريدات العربية. جمع سامر مئة ألف تغريدة، ووجد أنّ كلمات مثل “كتبوا” و”الكاتبة” و”مكتوب” و”كُتُب” تظهر بأشكال مختلفة تماماً، رغم أنها تنتمي جميعاً إلى الجذر “ك ت ب”. دون عملية تجذيع، سيتعامل النظام مع كل شكل بوصفه كلمة مستقلة، فتتشتت النتائج ويضعف التحليل. لكن حين طبّق سامر مجذعاً عربياً (Arabic Stemmer)، اختُزلت هذه الأشكال كلها إلى أصل واحد، فارتفعت دقة نتائجه من 62% إلى 84%. الخلاصة العملية: قبل أن تبدأ أي مشروع في معالجة النصوص العربية، حدّد نوع المجذع المناسب لمهمتك، لأنّ الاختيار الخاطئ قد يُفسد بياناتك بدلاً من تحسينها.

اقرأ أيضاً: حوسبة اللغة العربية: من التحديات اللغوية إلى آفاق الذكاء الاصطناعي

---

لماذا تحتاج الآلة إلى فكّ شفرة العربية؟

اللغة العربية بحر لا ساحل له، كما وصفها الخليل بن أحمد الفراهيدي قبل أكثر من اثني عشر قرناً. لكنّ هذا البحر الذي أبهر الشعراء والنحاة يُربك الآلة إرباكاً شديداً. فالكلمة العربية الواحدة قد تحمل في طيّاتها فاعلاً ومفعولاً وزمناً وجنساً وعدداً، كلها مدمجة في بنية صرفية واحدة. خذ مثلاً كلمة “أستفهمونني”؛ إنها جملة كاملة مضغوطة في كلمة واحدة. هذا التعقيد الصرفي الذي يمنح العربية جمالها وإيجازها هو نفسه ما يجعل المعالجة الآلية للغة العربية تحدياً بحثياً من الطراز الأول.

حين تكتب كلمة في محرك بحث مثل Google، يعمل المحرك في الخلفية على ردّ كلمتك إلى شكل أساسي ما، ثم يبحث عن كل الصفحات التي تحتوي على هذا الشكل أو مشتقاته. هذه العملية تقع في صميم ما نسميه التجذيع في معالجة اللغات الطبيعية. من دونها، لن يعرف المحرك أنّ من يبحث عن “الديمقراطية” يريد أيضاً نتائج تتضمن “ديمقراطي” و”ديمقراطيين”. فالتجذيع ليس ترفاً أكاديمياً، بل هو عصب استرجاع المعلومات (Information Retrieval) في العصر الرقمي.

هذا المقال يسعى ليكون مرجعاً متكاملاً للباحثين اللغويين والمبرمجين والطلاب الجامعيين الراغبين في فهم خوارزميات التجذيع، وتحدياتها الخاصة بالعربية، وأشهر الأدوات المستخدمة فيها. وقد حرصنا على الجمع بين العمق اللساني والوضوح التقني، لأنّ هذا الحقل يقع بالضبط على تقاطع علم الصرف العربي وعلم الحاسوب.

اقرأ أيضاً: اللغة العربية في العصر الرقمي

---

ما هو التجذيع (Stemming) وكيف يختلف عن المفهوم الصرفي التقليدي؟

لنبدأ من الأساس. كلمة “التجذيع” مشتقة عربياً من “الجذع”، وهو ساق الشجرة الرئيس الذي تتفرع منه الأغصان. وفي اللسانيات الحاسوبية، يُقصد بالتجذيع تلك العملية الخوارزمية التي تُزيل من الكلمة زوائدها — سوابقها ولواحقها وأحياناً حروفها الداخلية الزائدة — للوصول إلى شكل مختزل يُسمّى “الجذع” (Stem). هذا الجذع لا يُشترط فيه أن يكون كلمة صحيحة معجمياً؛ يكفي أن يكون تمثيلاً مشتركاً لمجموعة من الكلمات المتقاربة دلالياً.

هنا يكمن فارق جوهري يخلط فيه كثيرون: الجذع (Stem) في الخوارزميات ليس بالضرورة هو الجذر اللغوي (Root) عند الصرفيين العرب. ففي الصرف العربي التقليدي، الجذر هو الحروف الأصلية المجردة من كل زيادة، وهو غالباً ثلاثي (مثل: ك ت ب) أو رباعي (مثل: ز ل ز ل). أما الجذع الخوارزمي فقد يكون “كتب” أو “كاتب” أو حتى “كتا”، بحسب دقة الخوارزمية ونوعها. بعض خوارزميات استخراج الجذر اللغوي تسعى فعلاً للوصول إلى الجذر الثلاثي، لكنّ بعضها الآخر يكتفي بإزالة السوابق واللواحق الشائعة دون الغوص في البنية الاشتقاقية.

لنأخذ أمثلة عملية تُوضّح الفكرة:

• “الكاتبون”: بإزالة “ال” التعريف وواو الجمع والنون، نصل إلى الجذع “كاتب”. وإذا أردنا الجذر الصرفي، فهو “ك ت ب”.
• “مكتوبات”: بإزالة الميم (سابقة اسم المفعول) والألف والتاء (لاحقة الجمع)، نصل إلى “كتوب” أو “كتب” بحسب عمق التجذيع.
• “استكتبوهنّ”: هذه الكلمة تحمل سابقة الاستفعال “است”، وضمير الفاعل “وا”، وضمير المفعول “هنّ”. الوصول إلى الجذر “ك ت ب” هنا يتطلب خوارزمية متقدمة تفهم البنية الوزنية العربية.

ومضة معرفية: الفرق بين الجذع والجذر يشبه الفرق بين تقشير البرتقالة (إزالة القشرة الخارجية فقط) وتفكيكها إلى فصوصها الداخلية. التجذيع الخفيف يقشّر، والتجذيع الجذري يفكّك حتى اللُّب.

من خلال تدريسي لمادة اللسانيات الحاسوبية في السنوات الأخيرة، ألاحظ أنّ الطلاب غالباً يخلطون بين “الجذر” عند سيبويه و”الجذع” عند المبرمجين. نصيحتي لهم دائماً: حين تقرأ ورقة بحثية بالإنجليزية تستخدم كلمة “Stem”، لا تترجمها تلقائياً بـ”الجذر”، بل اسأل نفسك: هل يقصد الكاتب الجذر المعجمي الصافي أم مجرد الشكل المختزل بعد إزالة الزوائد؟ هذا التمييز الدقيق يوفر عليك ساعات من سوء الفهم.

اقرأ أيضاً:

• ما هو تعريف الميزان الصرفي وأحكامه، وكيفية وزن الكلمة صرفياً
• ما هو التحليل الصرفي، وكيف نحلل الكلمة صرفياً؟

---

كيف نفرّق بين التجذيع (Stemming) والتلمتة (Lemmatization)؟

هذان المصطلحان يظهران معاً باستمرار في أدبيات المعالجة الآلية للغة العربية، وكثيراً ما يُستخدمان بالتبادل خطأً. لكنّ الفرق بينهما جوهري ويؤثر مباشرة في جودة النتائج.

التجذيع، كما أوضحنا، عملية ميكانيكية إلى حدّ بعيد. الخوارزمية تعمل بقواعد ثابتة: إذا انتهت الكلمة بـ”ون”، أزلها. إذا بدأت بـ”ال”، أزلها. لا تسأل الخوارزمية عن المعنى، ولا تراجع معجماً. من هنا تأتي سرعتها، ومن هنا أيضاً تأتي أخطاؤها. فكلمة “قالون” (وهي اسم عَلَم، أحد رواة القراءات القرآنية) قد تُعاملها الخوارزمية على أنها “قال” + “ون”، فتُرجعها خطأً إلى “قال”.

التلمتة (Lemmatization)، على النقيض من ذلك، عملية ذكية تعتمد على السياق والمعجم. هي تردّ الكلمة إلى صورتها المعجمية (Lemma) — أي الشكل الذي تجده في المعجم. فكلمة “ذهبوا” تُرَدّ إلى “ذهبَ” (الفعل الماضي المجرد)، وكلمة “أعلى” تُرَدّ إلى “علا” أو “عالٍ” بحسب كونها فعلاً أو صفة. التلمتة تحتاج إلى محلّل صرفي (Morphological Analyzer) كامل وقاموس، وهي أبطأ بكثير من التجذيع لكنها أدقّ.

فمتى نستخدم كلاً منهما؟ في مهام استرجاع المعلومات الضخمة — كمحركات البحث التي تعالج ملايين الوثائق — يكون التجذيع هو الخيار العملي لأنّ السرعة أهم من الدقة المطلقة. أما في مهام مثل الترجمة الآلية أو تحليل المشاعر الدقيق، فالتلمتة هي الخيار الأنسب لأنّ أي خطأ في تحديد أصل الكلمة قد يقلب المعنى رأساً على عقب.

نقطة تستحق الانتباه: في اللغة الإنجليزية، الفرق بين التجذيع والتلمتة واضح نسبياً (مثلاً: “running” تصبح “run” في الحالتين). لكن في العربية، الفجوة بين العمليتين أعمق بكثير بسبب نظام الأوزان الصرفية، مما يجعل اختيار الأداة المناسبة قراراً تقنياً مصيرياً.

اقرأ أيضاً: قواعد البيانات المعجمية الدلالية: تحسين فهم المشاعر اللغوية

---

لماذا يُعَدُّ التجذيع ضرورة في المعالجة الآلية للغة العربية؟

لنتصور مكتبة ضخمة تحتوي على مليون وثيقة عربية. كل وثيقة تحتوي على آلاف الكلمات. دون تجذيع، سيتعامل النظام مع “كتاب” و”الكتاب” و”كتابان” و”كتب” و”الكُتّاب” و”كاتبة” و”مكتبة” بوصفها سبع كلمات مختلفة تماماً. هذا يعني أنّ من يبحث عن “كتاب” لن يجد الوثائق التي تحتوي على “كتب” فقط. التجذيع يحلّ هذه المشكلة بردّ كل هذه الأشكال إلى أصل مشترك.

في مجال تحسين أداء محركات البحث واسترجاع المعلومات (Information Retrieval)، أظهرت دراسات عدة أنّ تطبيق التجذيع على النصوص العربية يرفع معدل الاستدعاء (Recall) — أي نسبة الوثائق ذات الصلة التي يعثر عليها النظام — بنسبة تتراوح بين 20% و40% مقارنة بالبحث دون تجذيع. أشار الباحثان لاركي (Larkey) ولايتي (Lighti) في دراستهما المنشورة عام 2002 ضمن مؤتمر SIGIR إلى أنّ التجذيع الخفيف للعربية يتفوق في كثير من الحالات على التجذيع الجذري العميق في مهام استرجاع المعلومات.

من ناحية أخرى، يلعب التجذيع دوراً محورياً في تحليل المشاعر (Sentiment Analysis) للنصوص العربية. تخيّل نظاماً يحلّل آراء المستخدمين حول منتج ما على منصة عربية. دون تجذيع، ستظهر كلمات “ممتاز” و”الممتازة” و”ممتازين” بوصفها كيانات منفصلة، مما يُضعف قدرة النظام على تجميع الآراء الإيجابية تحت مظلة واحدة.

وكذلك فإنّ التجذيع يُسهم إسهاماً كبيراً في تقليص حجم البيانات المعجمية. اللغة العربية من أغنى اللغات اشتقاقاً؛ فمن جذر واحد قد تتولّد مئات الكلمات. جاء في لسان العرب لابن منظور أنّ مادة “ع ل م” وحدها تتفرع إلى عشرات المشتقات. بتطبيق التجذيع، يمكن اختزال مفردات نص مكوّن من مئة ألف كلمة فريدة إلى عشرين ألف جذع تقريباً، مما يسرّع عمليات المعالجة تسريعاً هائلاً ويقلّل متطلبات الذاكرة الحاسوبية.

معلومة سريعة: قدّر الدكتور علي القاسمي، عضو مجمع اللغة العربية بالقاهرة، أنّ الجذور الثلاثية والرباعية المستعملة في العربية المعاصرة تقارب عشرة آلاف جذر، لكنها تتولّد منها ملايين الصيغ الصرفية — وهذا ما يجعل التجذيع ضرورة لا ترف.

اقرأ أيضاً: الذكاء الاصطناعي واللغة العربية: آفاق وتحديات

---

ما الفرق بين أنواع خوارزميات التجذيع وكيف تعمل كلٌّ منها؟

لماذا تتعدد المقاربات الخوارزمية؟

ليس ثمة خوارزمية واحدة تصلح لكل اللغات، ولا حتى لكل مهام اللغة الواحدة. تتعدد مقاربات التجذيع بتعدد خصائص اللغة المستهدفة وطبيعة المهمة المطلوبة. يمكننا تصنيف خوارزميات التجذيع المستخدمة للعربية في ثلاث فئات رئيسة:

أولاً: التجذيع بقطع الزوائد (Affix Stripping)

هذه الطريقة هي الأبسط مفهومياً. تعمل بقوائم جاهزة من السوابق (Prefixes) واللواحق (Suffixes) المعروفة في اللغة، وتزيلها واحدة تلو الأخرى وفق قواعد محددة. في الإنجليزية، تُعَدُّ خوارزمية بورتر (Porter Stemmer) التي طوّرها مارتن بورتر عام 1980 أشهر مثال على هذا النوع. تزيل هذه الخوارزمية لواحق مثل “-ing” و”-tion” و”-ed” وفق سلسلة من الخطوات المتتابعة.

في العربية، تواجه هذه الطريقة صعوبات إضافية. فالسوابق العربية لا تقتصر على أداة التعريف “ال”، بل تشمل حروف المضارعة (أ، ن، ي، ت)، وحروف العطف والجر المتصلة (و، ف، ب، ك، ل). واللواحق تشمل علامات التأنيث (ة، ات)، وعلامات الجمع (ون، ين، ان)، والضمائر المتصلة (ه، ها، هم، هنّ، ك، كم، نا). تداخل هذه الزوائد يجعل عملية القطع محفوفة بالأخطاء إذا لم تُراعَ القواعد الصرفية بدقة.

ثانياً: التجذيع الخفيف (Light Stemming)

هذا النوع يمثل حلاً وسطاً ذكياً. بدلاً من محاولة الوصول إلى الجذر الثلاثي المجرد — وهي عملية معقدة وعرضة للخطأ — يكتفي التجذيع الخفيف بإزالة السوابق واللواحق الأكثر شيوعاً مع الإبقاء على الجذع دون المساس بالبنية الداخلية للكلمة.

مثال: كلمة “والمعلمين” تمر بالخطوات التالية:

• إزالة حرف العطف “و” -> “المعلمين”
• إزالة “ال” التعريف -> “معلمين”
• إزالة لاحقة الجمع “ين” -> “معلم”

النتيجة “معلم” ليست الجذر الصرفي (الذي هو “ع ل م”)، لكنها جذع مفيد جداً لأغراض استرجاع المعلومات؛ إذ إنّ كل من يبحث عن “معلم” يريد فعلاً نتائج تتعلق بالمعلم والمعلمين والمعلمات.

لقد أثبتت دراسات عدة — منها دراسة لاركي وبالانت وكونيل (Larkey, Ballesteros, and Connell, 2002) — أنّ التجذيع الخفيف يحقق أداءً أفضل من التجذيع الجذري في مهام استرجاع المعلومات العربية. السبب بسيط: التجذيع العميق يُفرط في الدمج، فيجمع كلمات ذات معانٍ مختلفة تحت جذر واحد (مشكلة الدمج المفرط أو Over-stemming).

ثالثاً: التجذيع الجذري (Root-based Stemming)

هذا النوع هو الأكثر طموحاً والأقرب إلى روح الصرف العربي. يسعى لاستخراج الجذر المعجمي الصافي — الحروف الأصلية الثلاثة أو الأربعة — عبر مطابقة الكلمة مع الأوزان الصرفية العربية المعروفة (فَعَلَ، فاعِل، مَفعول، استفعل…).

مثال: كلمة “استغفروا” تُحلَّل هكذا:

• الوزن الصرفي: “استفعلوا”
• بمطابقة الحروف: “است-غ-ف-ر-وا”
• الجذر: “غ ف ر”

هذه الطريقة تتطلب قاعدة بيانات بالأوزان الصرفية وقائمة بالجذور المعروفة. أبرز من طبّقها هي شيرين خوجة (Shereen Khoja) في مجذعها الشهير الذي سنتحدث عنه لاحقاً.

هل تعلم؟ الصرفيون العرب القدماء حصروا أوزان الأفعال المجردة في ستة أوزان، وأوزان المزيد في اثني عشر وزناً رئيساً. هذه الأوزان هي نفسها التي تعتمدها خوارزميات التجذيع الجذري كـ”خريطة” لاستخراج الجذور.

اقرأ أيضاً:

• المجرد والمزيد من الأفعال
• تصريف الكلمة: البنية الصرفية وديناميكيات المعنى في العربية

---

ما أبرز التحديات التي تواجه التجذيع في اللغة العربية؟

هذا القسم هو جوهر المقالة ولبّها، لأنّ فهم التحديات هو المفتاح لفهم لماذا لا تعمل الخوارزميات المصممة للإنجليزية حين تُطبَّق على العربية مباشرة. اللغة العربية ليست لغة لاصقة (Agglutinative) كالتركية، ولا لغة تحليلية (Analytic) كالإنجليزية الحديثة، بل هي لغة اشتقاقية تصريفية (Fusional-Derivational) فريدة النسق.

الغنى الصرفي وكثرة اللواصق

الكلمة العربية الواحدة قد تحمل ما يصل إلى أربع سوابق وثلاث لواحق في آنٍ واحد. خذ كلمة “أفسيكفيكموها”: أ (حرف الاستفهام) + ف (حرف العطف) + سـ (حرف الاستقبال) + ي (حرف المضارعة) + كفي (الجذع) + كمو (ضمير المخاطبين) + ها (ضمير المفعول الثاني). هذا التراكب يجعل عملية تقشير الزوائد أشبه بتفكيك عُقدة حبل متشابكة، لا مجرد نزع غلاف خارجي.

هذا وقد أشار الدكتور نبيل علي في كتابه “اللغة العربية والحاسوب” (1988) إلى أنّ الكلمة العربية الواحدة يمكن أن تقابل جملة كاملة في لغة أخرى كالإنجليزية، وهذه الخاصية — التي سمّاها “الاقتصاد اللغوي” — هي نعمة للبلاغة ونقمة على المعالجة الآلية.

جموع التكسير: الفخّ الذي تقع فيه الخوارزميات

إذا كان جمع المذكر السالم (“معلمون”) وجمع المؤنث السالم (“معلمات”) يسهل التعامل معهما بإزالة اللاحقة، فإنّ جموع التكسير كابوس حقيقي للخوارزميات. فكلمة “كتاب” جمعها “كُتُب”، و”عالِم” جمعها “عُلَماء”، و”رجل” جمعها “رجال”، و”طفل” جمعها “أطفال”. لا توجد قاعدة واحدة تربط المفرد بجمع التكسير؛ إذ إنّ البنية الداخلية للكلمة تتغيّر تماماً.

خوارزمية بسيطة تعتمد على قطع الزوائد لن تستطيع أبداً ربط “رجال” بـ”رجل”، لأنّ التغيير وقع داخل الكلمة لا على أطرافها. يحتاج التعامل مع جموع التكسير إلى جداول خاصة (Lookup Tables) أو نماذج تعلم آلي مدربة على أنماط التكسير العربية، وهي تتجاوز المئتي نمط بحسب إحصاءات بعض الباحثين.

مشكلة التشكيل والغموض الدلالي

النصوص العربية المعاصرة — سواء في الصحف أو على الإنترنت — تُكتب في الغالب دون تشكيل (حركات). هذا يعني أنّ كلمة “علم” قد تكون:

• عِلْم (اسم: المعرفة)
• عَلَم (اسم: الراية)
• عَلِمَ (فعل: عرف)
• عُلِمَ (فعل مبني للمجهول: عُرِف)

كل هذه الأشكال تُكتب بالأحرف نفسها “ع ل م” دون تشكيل. الخوارزمية التي لا تأخذ السياق في الاعتبار ستعاملها جميعاً معاملة واحدة، وهذا قد يكون صحيحاً في بعض الحالات (إذ تشترك في الجذر)، لكنه مضلّل حين يكون الهدف التمييز الدلالي الدقيق.

التداخل بين الحروف الأصلية وحروف الزيادة

من أشهر القواعد التي يتعلمها طالب الصرف العربي حروف الزيادة المجموعة في كلمة “سألتمونيها”. هذه الحروف العشرة (س، أ، ل، ت، م، و، ن، ي، هـ، ا) قد تكون حروفاً أصلية في بعض الكلمات وحروف زيادة في كلمات أخرى. فالنون في “نَصَرَ” حرف أصلي، لكنها في “انكسر” حرف زيادة. والتاء في “تَرَكَ” حرف أصلي، لكنها في “تكاتَبَ” حرف زيادة.

هذا التداخل يعني أنّ الخوارزمية لا تستطيع حذف حرف بناءً على موقعه فقط؛ بل تحتاج إلى فهم الوزن الصرفي الكامل لتعرف أيّ الحروف أصلي وأيّها زائد. وهذا ما يجعل خوارزميات التجذيع بقطع الزوائد البسيطة عاجزة أمام كثير من الكلمات العربية.

لطيفة لغوية: اختار الصرفيون القدماء كلمة “سألتمونيها” لتجميع حروف الزيادة لا لمجرد المصادفة، بل لأنّ هذه العبارة نفسها تكوّن جملة مفيدة: “سألتموني ها” بمعنى “سألتموني إيّاها”. هكذا جمع العلماء القاعدة في شاهد عملي يسهل حفظه — وهو أسلوب تعليمي بارع ظل فعّالاً لأكثر من ألف عام.

اقرأ أيضاً:

• تحديات اللغة العربية: الواقع والتحديات المستقبلية
• الإعلال بالقلب والإعلال بالتسكين والإعلال بالحذف

---

ما أشهر المجذعات (Stemmers) المستخدمة للنصوص العربية؟

كيف يعمل مجذع خوجة (Khoja Stemmer)؟

طوّرت شيرين خوجة (Shereen Khoja) مجذعها عام 1999 في جامعة لانكستر البريطانية (Lancaster University)، وهو من أوائل المجذعات المصممة خصيصى للعربية وأكثرها شهرة في الأدبيات البحثية. يعمل مجذع خوجة على مبدأ التجذيع الجذري؛ أي أنه يسعى لاستخراج الجذر الثلاثي الصافي.

آلية عمله تمرّ بعدة مراحل:

1. إزالة علامات الترقيم والتشكيل.
2. إزالة كلمات التوقف (Stop Words) مثل “من” و”إلى” و”في”.
3. إزالة أداة التعريف “ال” والسوابق واللواحق المعروفة.
4. مطابقة ما تبقّى مع قائمة الأوزان الصرفية العربية.
5. البحث عن الجذر الناتج في قائمة جذور مخزّنة للتحقق من صحته.

نقطة القوة في مجذع خوجة هي اعتماده على الأوزان الصرفية، مما يجعله قادراً على التعامل مع الكلمات المزيدة والمشتقة. لكنّ نقطة ضعفه الرئيسة هي اعتماده على قائمة جذور ثابتة؛ فأي كلمة جذرها غير موجود في القائمة ستُعامَل بطريقة خاطئة أو لن تُجذَّع أصلاً. وقد أشارت دراسات لاحقة إلى أنّ مجذع خوجة يعاني من مشكلة الدمج المفرط (Over-stemming) التي تجعل كلمات غير مترابطة دلالياً ترتدّ إلى الجذر نفسه.

ما مميزات مجذع ISRI؟

طُوِّر مجذع ISRI (Information Science Research Institute) على يد كاظمي وتراجي (Kazem Taghva et al.) في معهد أبحاث علوم المعلومات بجامعة نيفادا في لاس فيغاس (University of Nevada, Las Vegas). الميزة الأبرز لهذا المجذع أنه لا يعتمد على قاموس جذور خارجي، مما يجعله أسرع وأقل تعقيداً من مجذع خوجة.

يعمل مجذع ISRI بطريقة هجينة: يبدأ بإزالة السوابق واللواحق وفق قواعد محددة، ثم يحاول استخلاص الجذر عبر تطبيق أنماط صرفية مبسّطة دون الحاجة للرجوع إلى قاعدة بيانات. هذا يجعله أكثر مرونة في التعامل مع الكلمات الجديدة والمصطلحات العلمية الحديثة التي لم تكن موجودة في القواميس التقليدية.

ماذا عن مجذع تشافين (Tashaphyne)؟

تشافين (Tashaphyne) أداة حديثة نسبياً مكتوبة بلغة Python، وهي متاحة مفتوحة المصدر. تتميز بأنها تدعم التجذيع الخفيف والتجذيع الجذري معاً، مما يمنح المستخدم مرونة في اختيار مستوى العمق المناسب لمهمته. طوّرها عبد الله زروال (Taha Zerrouki)، وهي تحظى بشعبية متزايدة في مشاريع المعالجة الآلية للغة العربية مفتوحة المصدر.

تشافين تُقسّم الكلمة إلى ثلاثة أجزاء: سابقة (Prefix)، جذع (Stem)، لاحقة (Suffix). ثم تطبّق قواعد تصفية لإزالة التركيبات غير المنطقية صرفياً. على سبيل المثال، لن تقبل أن تكون “ال” سابقة لفعل، لأنّ “ال” تدخل على الأسماء فقط في العربية الفصحى.

شاهد أدبي: قال أبو الطيب المتنبي في ديوانه (من البحر الطويل):

أنامُ ملءَ جفوني عن شواردها / ويسهرُ الخلقُ جرّاها ويختصمُ

هذا البيت يحتوي على كلمات مثل “شواردها” و”جرّاها” و”يختصمُ”. كل منها يتطلب من المجذع فهم الضمائر المتصلة والأوزان الصرفية ليستخرج الجذور: “ش ر د”، “ج ر ر/ج ر ي”، “خ ص م”. أي خطأ في فصل الضمير عن الجذع سيُنتج جذراً خاطئاً.

اقرأ أيضاً: شرح قصيدة الحمى للمتنبي

---

ما بين الشائع والصواب: أخطاء شائعة حول التجذيع

❌ الشائع الخاطئ: التجذيع والتلمتة عمليتان متطابقتان ولا فرق بينهما.
✅ الصواب العلمي: التجذيع عملية قائمة على القواعد (Rule-based) تُنتج جذعاً قد لا يكون كلمة صحيحة معجمياً، بينما التلمتة (Lemmatization) عملية قائمة على المعجم والسياق تُنتج الصيغة المعجمية الفعلية. أشار كريستوفر ماننغ (Christopher Manning) في كتابه “Introduction to Information Retrieval” (2008) إلى هذا الفرق بوضوح.

❌ الشائع الخاطئ: التجذيع الجذري (الوصول إلى الجذر الثلاثي) هو دائماً أفضل من التجذيع الخفيف.
✅ الصواب العلمي: في مهام استرجاع المعلومات، أثبتت دراسات عدة (منها دراسة Larkey et al., 2002) أنّ التجذيع الخفيف يتفوق على التجذيع الجذري في الدقة، لأنّ التجذيع العميق يدمج كلمات غير مترابطة دلالياً تحت جذر واحد.

❌ الشائع الخاطئ: يمكن استخدام خوارزمية بورتر (Porter Stemmer) الإنجليزية مباشرة على النصوص العربية بعد ترجمة القواعد.
✅ الصواب العلمي: خوارزمية بورتر مصممة للغة لاصقة خطية (تضيف لواحق وسوابق فقط)، بينما العربية لغة اشتقاقية غير خطية (Non-concatenative Morphology) تتغير فيها البنية الداخلية للكلمة. لا يمكن “ترجمة” قواعد بورتر للعربية دون إعادة تصميم جذرية.

❌ الشائع الخاطئ: مجذع واحد يكفي لكل تطبيقات المعالجة الآلية للعربية.
✅ الصواب العلمي: اختيار المجذع يعتمد على طبيعة المهمة. التجذيع الخفيف أنسب لاسترجاع المعلومات، والتجذيع الجذري أنسب لتصنيف النصوص، والتلمتة أنسب للترجمة الآلية. لا يوجد حلّ عام واحد (No one-size-fits-all).

---

المختبر اللغوي — للمهتمين بالتفاصيل العلمية الدقيقة: كيف تعمل الأوزان الصرفية حاسوبياً؟

هذا القسم موجّه لمن يريد أن يفهم الآلية الداخلية التي تربط بين علم الصرف العربي التقليدي والبرمجة الحاسوبية. لنتعمق قليلاً.

في الصرف العربي الكلاسيكي، كل كلمة عربية مشتقة يمكن وصفها بوزن صرفي يستخدم الحروف “ف ع ل” مرجعاً. فكلمة “كاتِب” على وزن “فاعِل”، و”مكتوب” على وزن “مَفعول”، و”استكتَبَ” على وزن “استفعَلَ”. هذه الأوزان ليست مجرد أدوات تعليمية، بل هي في جوهرها “قوالب” (Templates) تصف كيفية تركيب الجذر مع حروف الزيادة.

في الحوسبة، يُحوَّل هذا المفهوم إلى ما يُعرف بالتطابق النمطي (Pattern Matching). الخوارزمية تأخذ الكلمة المدخلة وتحاول مطابقتها مع قائمة من الأوزان المخزنة. لنفترض أنّ الكلمة المدخلة هي “استغفار”:

• الخوارزمية تجرّب الأوزان واحداً تلو الآخر.
• حين تجرّب وزن “استفعال”، تجد تطابقاً: “است-غ-ف-ا-ر” = “است-ف-ع-ا-ل”.
• إذاً الحروف الأصلية هي: غ (ف)، ف (ع)، ر (ل) -> الجذر: “غ ف ر”.

لكنّ المسألة ليست بهذه البساطة دائماً. كثير من الكلمات تتطابق مع أكثر من وزن واحد، مما يولّد غموضاً صرفياً (Morphological Ambiguity). كلمة “مُقام” مثلاً: هل هي على وزن “مُفعَل” من الجذر “ق و م” (بمعنى المكان)، أم على وزن “مَفعال” من الجذر “ق و م” أيضاً لكن بمعنى مختلف؟ هذا الغموض يحتاج إلى سياق لحلّه، وهو ما تعجز عنه خوارزميات التجذيع البسيطة ولا تستطيعه إلا أنظمة التحليل الصرفي الكاملة (Full Morphological Analyzers) مثل نظام باكووالتر (Buckwalter Arabic Morphological Analyzer) الذي طوّره تيم باكووالتر في مركز الأبحاث اللغوية التابع لمؤسسة LDC بجامعة بنسلفانيا (University of Pennsylvania).

من المثير أن تعرف: نظام باكووالتر (Buckwalter Morphological Analyzer) الذي صدر نسخته الأولى عام 2002 يحتوي على أكثر من 78,000 مُدخَل جذري، وقد استُخدم أساساً في مشاريع تحليل اللغة العربية التابعة لمؤسسة LDC الأميركية. لا يزال حتى عام 2026 من أكثر المحللات الصرفية استشهاداً في الأوراق البحثية.

اقرأ أيضاً:

• المورفولوجيا: كيف تشكل البنية الصرفية جوهر المعنى اللغوي؟
• المورفيم (الوحدة الصرفية): أنواعه، وظائفه، وتحليله اللغوي العميق

---

كيف يُشكّل التجذيع مستقبل اللغويات والذكاء الاصطناعي؟

لم يعد التجذيع مجرد خطوة تمهيدية في أنبوب معالجة النصوص (Text Processing Pipeline). لقد أصبح جزءاً لا يتجزأ من منظومة تقنيات الذكاء الاصطناعي التي تتعامل مع اللغة العربية في تطبيقات متنوعة.

في مجال الترجمة الآلية (Machine Translation)، يُستخدم التجذيع أو التحليل الصرفي كمرحلة تمهيدية لتقسيم الكلمات العربية المركبة إلى وحدات أصغر قبل إدخالها في نماذج الترجمة العصبية (Neural Machine Translation). فنموذج ترجمة يتعامل مع “وسيكتبونها” ككلمة واحدة سيحتاج إلى كمّ هائل من بيانات التدريب ليتعلمها. لكن إذا قُسِّمت إلى “و + سـ + يكتبون + ها”، يصبح كل جزء وحدة مألوفة سبق للنموذج أن تعلّمها في سياقات أخرى. هذا التقسيم — الذي يُسمّى أحياناً التقطيع المورفولوجي (Morphological Segmentation) وهو قريب الصلة بالتجذيع — يرفع جودة الترجمة بنسب ملموسة.

من جهة ثانية، يلعب التجذيع دوراً مساعداً في أنظمة التدقيق الإملائي والنحوي المتقدم. حين يكتب المستخدم كلمة مثل “المدرستان” (بالتاء المربوطة بدلاً من التاء المفتوحة في المثنى الصحيح “المدرستان”)، يمكن لنظام يعتمد على التجذيع أن يحدد أنّ الجذع هو “درس” وأنّ الكلمة يجب أن تكون على وزن مثنى اسم المكان “مفعلتان”، فيقترح التصحيح المناسب.

وكذلك في التلخيص الآلي للنصوص الأدبية والتاريخية — وهو حقل يشهد نمواً متسارعاً منذ عام 2023 بفضل نماذج اللغة الكبيرة (Large Language Models) — يساعد التجذيع في تحديد الموضوعات الرئيسة في النص عبر تجميع الكلمات المتشابهة جذرياً وقياس تكرارها. نص تاريخي عن الحروب الصليبية مثلاً، إذا أُجري عليه تجذيع، ستبرز جذور مثل “ح ر ب” و”ج ي ش” و”ص ل ب” بوصفها الأكثر تكراراً، مما يساعد نظام التلخيص على تحديد محاور النص الأساسية.

ومضة معرفية: أعلنت شركة Google في مؤتمر I/O لعام 2024 أنّ نماذجها اللغوية الجديدة تستخدم تقسيماً صرفياً محسّناً (Improved Morphological Tokenization) للغات ذات البنية الصرفية الغنية كالعربية والفنلندية والتركية، مما حسّن أداء البحث بالعربية ضمن محرك Google Search.

اقرأ أيضاً: تطبيق الذكاء الاصطناعي في التعليم

---

هل تختلف تطبيقات التجذيع بين دول العالم العربي؟

السؤال قد يبدو غريباً للوهلة الأولى: العربية لغة واحدة، فلماذا تختلف التطبيقات؟ الجواب يكمن في أنّ الواقع الرقمي العربي متباين تبايناً شديداً. في المملكة العربية السعودية، شهدت السنوات الأخيرة (2023–2026) استثمارات ضخمة في تقنيات الذكاء الاصطناعي العربي ضمن رؤية 2030، ومنها مشاريع لتطوير نماذج لغوية عربية متقدمة تعتمد على التحليل الصرفي. وفي مصر، تحتضن جامعة القاهرة وجامعة عين شمس مجموعات بحثية نشطة في مجال المعالجة الآلية للغة العربية، وقد أنتجت عدة أدوات تجذيع وتحليل صرفي متاحة للباحثين. أما في بلاد الشام — وتحديداً في الأردن ولبنان — فثمة جهود أكاديمية ملحوظة في جامعات مثل الجامعة الأردنية والجامعة الأميركية في بيروت لتطوير أدوات معالجة تأخذ في الاعتبار تنوع اللهجات العربية.

المغرب العربي يواجه تحدياً إضافياً: ازدواجية الاستخدام اللغوي بين العربية الفصحى والدارجة المغاربية (التي تمزج بين العربية والأمازيغية والفرنسية). مجذع مصمم للفصحى لن ينفع كثيراً في تحليل نصوص الدارجة المغربية المكتوبة بالحروف العربية. هذا يفتح باباً بحثياً واسعاً لتطوير مجذعات متعددة المستويات (Multi-level Stemmers) تتعامل مع الفصحى واللهجات معاً.

المخاوف المعرفية الأبرز في الواقع العربي تتمحور حول: ندرة الموارد اللغوية الرقمية المفتوحة (Corpora) مقارنة بالإنجليزية، وضعف التمويل البحثي في هذا الحقل، وهجرة الكفاءات العربية المتخصصة إلى الشركات التقنية الغربية. وعليه فإنّ أي باحث عربي يعمل في هذا المجال يجب أن يكون واعياً بهذه التحديات البنيوية.

اقرأ أيضاً:

• السمات الصوتية للهجات العربية
• اللغة العربية والهوية الوطنية في دول الخليج

---

كيف يتقاطع موضوع التجذيع مع فروع المعرفة الأخرى؟

التجذيع ليس جزيرة معزولة في بحر العلوم. إنه نقطة تقاطع بين عدة حقول معرفية متشابكة.

أولاً: يرتبط ارتباطاً وثيقاً بعلم الصرف العربي (Arabic Morphology)، وتحديداً بنظرية الجذر والوزن (Root-and-Pattern Theory) التي وضع أسسها الخليل بن أحمد الفراهيدي وطوّرها سيبويه في “الكتاب”. أي تطوير جادّ لمجذع عربي يتطلب فهماً عميقاً لأبنية الأفعال والأسماء كما صنّفها النحاة العرب.

ثانياً: يتّصل بعلم المعلومات واسترجاع البيانات (Information Science)، وتحديداً بنظريات الفهرسة الآلية (Automatic Indexing) وتمثيل الوثائق (Document Representation) ونماذج مثل TF-IDF وBM25 التي تعتمد على تكرار الكلمات المجذّعة لترتيب نتائج البحث.

ثالثاً: يدخل في صميم الذكاء الاصطناعي وتعلم الآلة (Machine Learning)؛ إذ إنّ كثيراً من المجذعات الحديثة تستخدم تقنيات التعلم العميق (Deep Learning) لتدريب نماذج قادرة على التعامل مع الغموض الصرفي والدلالي. نماذج مثل CAMeL Tools التي طوّرها مختبر CAMeL في جامعة نيويورك أبوظبي تجمع بين التحليل الصرفي القائم على القواعد والتعلم الآلي.

رابعاً: يتقاطع مع علم المعاجم الحاسوبي (Computational Lexicography)، لأنّ بناء قواعد بيانات الجذور والأوزان هو في حدّ ذاته عمل معجمي يتطلب خبرة لغوية وحاسوبية في آن. مشاريع مثل WordNet العربي تعتمد جزئياً على التجذيع في ربط الكلمات بشبكات دلالية.

اقرأ أيضاً:

• ما هي اللسانيات التطبيقية: وما الفرق بينها وبين علم اللغة النظري؟
• علم الدلالة: كيف تكتسب الكلمات معانيها وتؤثر في فهمنا للعالم؟

---

كيف تتعامل مع التجذيع في مقرراتك الجامعية وأبحاثك؟

إذا كنتَ طالباً جامعياً في قسم اللغة العربية أو اللسانيات أو علوم الحاسوب، فهذا القسم مكتوب من أجلك خصيصى.

المفاهيم الأساسية التي يجب إتقانها:

• الفرق بين الجذر (Root) والجذع (Stem) والصيغة المعجمية (Lemma). هذه الثلاثية هي الأساس الذي يُبنى عليه كل شيء.
• فهم نظام الأوزان الصرفية العربية: لا يمكنك فهم التجذيع الجذري دون إتقان أوزان الأفعال (فَعَلَ، فَعَّلَ، فاعَلَ، أفعَلَ…) والأسماء المشتقة.
• التمييز بين الصرف الخطي (Concatenative Morphology) — كما في الإنجليزية — والصرف غير الخطي (Non-concatenative Morphology) — كما في العربية. هذا التمييز أساسي لفهم لماذا لا تنفع خوارزميات التجذيع الإنجليزية للعربية.
• مفهوم الغموض الصرفي (Morphological Ambiguity) وكيفية حلّه عبر السياق.

نماذج من أسئلة الامتحانات وكيفية الإجابة عنها:

• “قارن بين التجذيع الخفيف والتجذيع الجذري من حيث الدقة والاستدعاء في مهام استرجاع المعلومات.” — الإجابة المثالية تتضمن تعريفاً مختصراً لكل نوع، ثم ذكر نتائج دراسات فعلية (مثل دراسة Larkey) مع أمثلة عملية.
• “اشرح كيف يتعامل مجذع خوجة مع كلمة ‘واستخرجوها’.” — هنا يجب أن تُظهر الخطوات الخمس لعمل المجذع تطبيقياً على هذه الكلمة بالذات.

أخطاء شائعة يقع فيها الطلاب:

• استخدام مصطلح “Stemming” و”Lemmatization” بالتبادل في الأوراق البحثية. المراجعون يرصدون هذا الخلط فوراً.
• تجاهل مشكلة جموع التكسير عند تقييم أداء المجذع. أي تقييم لا يتضمن اختبارات على جموع التكسير يُعَدُّ ناقصاً.
• الاعتقاد بأنّ التجذيع وحده كافٍ لمعالجة النصوص العربية. هو خطوة أولى ضمن سلسلة تشمل تقطيع الجمل (Tokenization)، ووسم أجزاء الكلام (POS Tagging)، وتحليل البنية التركيبية (Parsing).

اقرأ أيضاً: كيف أتعلم الصرف؟ أساسيات ونصائح ومصادر

---

خطوات تحليل كلمة عربية حاسوبياً: من النص الخام إلى الجذر

• الخطوة الأولى — التنظيف (Preprocessing): أزِل علامات الترقيم والأرقام والتشكيل (الحركات) والأحرف الخاصة. حوّل الهمزات المختلفة (أ، إ، آ) إلى شكل موحد (ا) إذا كانت مهمتك لا تتطلب التمييز بينها.
• الخطوة الثانية — تقطيع الكلمات (Tokenization): قسّم النص إلى وحدات كلمات منفصلة. في العربية، انتبه للضمائر المتصلة وحروف العطف والجر الملتصقة بالكلمة.
• الخطوة الثالثة — إزالة كلمات التوقف (Stop Words): أزِل الكلمات الوظيفية عالية التكرار مثل “من”، “إلى”، “في”، “على”، “هو”، “هي”، “التي”، “الذي”. استخدم قائمة كلمات توقف عربية موثوقة مثل قائمة NLTK العربية.
• الخطوة الرابعة — تطبيق التجذيع (Stemming): اختر المجذع المناسب لمهمتك. إذا كنتَ تعمل على استرجاع معلومات، فابدأ بالتجذيع الخفيف. إذا كنتَ تعمل على تصنيف نصوص، فجرّب التجذيع الجذري.
• الخطوة الخامسة — التحقق (Validation): قارن نتائج المجذع يدوياً على عينة من 200–500 كلمة للتأكد من دقته. احسب نسبة الأخطاء (Error Rate)، وصنّفها إلى: تجذيع مفرط (Over-stemming)، وتجذيع قاصر (Under-stemming).
• الخطوة السادسة — الضبط (Tuning): بناءً على نتائج التحقق، عدّل قواعد المجذع أو استبدله بمجذع آخر. لا تتردد في الجمع بين مجذعين مختلفين: مجذع خفيف للمرحلة الأولى ومحلّل صرفي كامل للحالات الغامضة.

نقطة تستحق الانتباه: الخطوة الخامسة (التحقق اليدوي) هي الأكثر إهمالاً في مشاريع الطلاب، رغم أنها الأهم. مجذع يحقق دقة 90% يعني أنّ واحدة من كل عشر كلمات تُعالَج خطأ — وهذا يكفي لتشويه نتائج تحليل كامل.

---

ما القيمة الفعلية لمجذعات التعلم العميق مقارنة بالمقاربات التقليدية؟

منذ عام 2018 وظهور نماذج المحولات (Transformers) — ابتداءً من BERT وانتهاءً بالنماذج العربية المتخصصة مثل AraBERT وCAMeLBERT — بدأ بعض الباحثين يتساءلون: هل لا يزال التجذيع ضرورياً في ظل وجود نماذج لغوية ضخمة تتعلم تمثيلات الكلمات تلقائياً؟

الجواب ليس بسيطاً. نماذج مثل AraBERT — الذي طوّره باحثون في الجامعة الأميركية في بيروت عام 2020 — تستخدم تقطيعاً فرعياً للكلمات (Subword Tokenization) عبر خوارزمية WordPiece. هذا التقطيع يشبه التجذيع من بعض الأوجه، لكنه لا يعتمد على قواعد صرفية بل على أنماط إحصائية مستخلصة من بيانات تدريب ضخمة. النتيجة: النموذج يتعلم ضمنياً أنّ “كاتب” و”مكتوب” يشتركان في شيء ما، دون أن يعرف صراحة أنّ جذرهما “ك ت ب”.

من جهة ثانية، لا تزال المقاربات التقليدية للتجذيع مفيدة في السياقات التالية:

• المشاريع ذات الموارد المحدودة: ليس كل فريق بحثي يملك القدرة الحاسوبية لتدريب نموذج لغوي ضخم. مجذع بسيط يعمل على حاسوب شخصي عادي.
• المهام التي تتطلب تفسيراً (Explainability): حين تحتاج أن تفسّر لماذا أرجع النظام نتيجة معينة، فإنّ المجذع القائم على قواعد صرفية واضحة أسهل في التفسير من صندوق أسود عصبي.
• البيانات الصغيرة: نماذج التعلم العميق تحتاج إلى كميات ضخمة من البيانات لتعمل جيداً. في المجالات المتخصصة ذات البيانات القليلة (كالنصوص التراثية القديمة)، قد يكون المجذع التقليدي هو الخيار الوحيد المتاح.

صندوق الاقتباس الأكاديمي:

أشار فريق مختبر CAMeL في جامعة نيويورك أبوظبي في ورقتهم البحثية المنشورة عام 2020 في مؤتمر LREC إلى أنّ “التحليل الصرفي الصريح للغة العربية يظل ضرورياً حتى في ظل نماذج التعلم العميق، لأنه يُحسّن أداء هذه النماذج حين يُدمج معها كمدخل إضافي” (Obeid et al., 2020).

---

فقرة موجهة للباحثين المتخصصين: أين تكمن الثغرات البحثية في 2026؟

إذا كنتَ باحثاً متخصصاً في اللسانيات الحاسوبية أو المعالجة الآلية للغة العربية، فإنّ ثمة عدة ثغرات بحثية لا تزال مفتوحة وتنتظر من يسدّها.

الثغرة الأولى: تجذيع اللهجات العربية. معظم المجذعات الموجودة مصممة للفصحى، بينما المحتوى الرقمي العربي — خاصة على وسائل التواصل الاجتماعي — يُكتب بلهجات متنوعة. تطوير مجذعات متعددة اللهجات (Multi-dialectal Stemmers) حاجة ماسة. لقد بدأت بعض الجهود في هذا الاتجاه، مثل مشروع MADAR لتعدد اللهجات، لكنّ الطريق لا يزال طويلاً.

الثغرة الثانية: تقييم المجذعات تقييماً موحداً. لا يوجد حتى الآن معيار تقييم (Benchmark) موحد ومتفق عليه لمقارنة أداء المجذعات العربية. كل باحث يستخدم مجموعة بيانات مختلفة ومقاييس مختلفة، مما يجعل المقارنة بين الدراسات صعبة.

الثغرة الثالثة: دمج التجذيع مع نماذج اللغة الكبيرة. كيف يمكن تحسين أداء نماذج مثل GPT وLLaMA على العربية عبر إدماج معرفة صرفية صريحة في معمارية النموذج نفسها (Morphology-aware Language Models)؟ هذا سؤال بحثي حارّ يشغل المجتمع العلمي الآن.

اقرأ أيضاً: العربيزي: نشأته، خصائصه، وتأثيره على المشهد اللغوي العربي

---

فقرة موجهة للمهتمين والمثقفين: لماذا يهمّك التجذيع حتى لو لم تكن مبرمجاً؟

ربما تقول: أنا قارئ مثقف لا علاقة لي بالبرمجة، فلماذا أقرأ عن خوارزميات؟ الجواب بسيط: لأنّ التجذيع يحدث في خلفية كل بحث تجريه على Google بالعربية، وكل توصية تتلقاها من موقع إخباري عربي، وكل تصنيف تلقائي لبريدك الإلكتروني. فهمك لهذه الآلية يجعلك مستخدماً أذكى للتقنية، ويمنحك القدرة على تقييم جودة الأدوات الرقمية العربية التي تستخدمها يومياً. حين تبحث عن “الاقتصاد المصري” ولا تجد نتائج تتضمن “اقتصاد مصر” أو “الاقتصادية”، فأنت الآن تعرف أنّ المشكلة قد تكون في ضعف مجذع محرك البحث. وحين يترجم تطبيقٌ ما كلمة “حُكم” بمعنى “الحكم القضائي” على أنها “حِكمة”، فأنت تعرف أنّ الغموض الصرفي هو الجاني.

اقرأ أيضاً: أهمية اللغة العربية: لماذا تبقى لغة الضاد حية عبر العصور؟

---

خلاصة الباحث من موقعنا

• التمييز بين ثلاثة مفاهيم أساسية قبل أي خطوة بحثية: الجذر (Root) هو الحروف الأصلية عند الصرفيين، والجذع (Stem) هو الشكل المختزل بعد إزالة الزوائد خوارزمياً، والصيغة المعجمية (Lemma) هي الشكل القاموسي للكلمة. خلط هذه المفاهيم يُفسد أي ورقة بحثية.
• البدء بالتجذيع الخفيف (Light Stemming) لأغلب المهام التطبيقية: الدراسات التجريبية أثبتت تفوقه في مهام استرجاع المعلومات وتصنيف النصوص. لا تلجأ إلى التجذيع الجذري إلا إذا كانت مهمتك تتطلب ذلك تحديداً، ودعم نتائجك بتقييم دقيق.
• اختبار المجذع على بيانات تتضمن جموع تكسير ولهجات: أي تقييم لا يشمل جموع التكسير هو تقييم ناقص. ابحث عن مجموعات بيانات (Corpora) تتضمن تنوعاً صرفياً حقيقياً، مثل مجموعة بيانات Penn Arabic Treebank.
• عدم الاعتماد على مجذع واحد دون تجريب البدائل: جرّب مجذع خوجة ومجذع ISRI وتشافين على بياناتك نفسها، وقارن النتائج كمّياً قبل أن تختار. النتائج قد تفاجئك.
• الإلمام بالتطورات الحديثة في نماذج اللغة الكبيرة: حتى لو كنتَ تعمل بمقاربات تقليدية، تابع أوراق مؤتمرات ACL وEMNLP وAACL المتعلقة بالعربية، لأنّ الحقل يتطور بسرعة مذهلة.
• الرجوع إلى المصادر الصرفية العربية الأصيلة: لا يمكنك بناء مجذع عربي جيد دون فهم “شرح شافية ابن الحاجب” أو “المنصف” لابن جني. المصادر الحاسوبية وحدها لا تكفي.
• التواضع المنهجي: لا يوجد مجذع عربي يحقق دقة 100%. كل مجذع يرتكب أخطاء. ذكر حدود أداة بحثك ونسبة أخطائها هو علامة نضج علمي لا ضعف.

---

كيف تتعمق في دراسة التجذيع والمعالجة الآلية للعربية؟ خارطة طريق للباحث

هذه الخارطة مصممة لتأخذ بيدك من المبتدئ إلى المتخصص. لكنّ تحقيق الفهم العميق يتطلب توجيهاً مباشراً من أساتذة مختصين والانضمام إلى حلقات الدرس الأكاديمية ومختبرات البحث.

تنويه: هذه المصادر والمسارات إرشادية عامة. يختلف المسار الأنسب بحسب خلفية الباحث (لغوية أو حاسوبية) وأهدافه البحثية. استشر أستاذك المشرف قبل بناء خطتك البحثية النهائية.

المصادر الأصيلة (Primary Sources)

لفهم البنية الصرفية العربية التي تقوم عليها خوارزميات التجذيع، لا غنى عن الرجوع إلى أمهات الكتب. “الكتاب” لسيبويه (تحقيق عبد السلام هارون، مكتبة الخانجي) هو الأساس الذي بُني عليه علم الصرف العربي. و”المنصف” لابن جني (تحقيق إبراهيم مصطفى وعبد الله أمين) يشرح أبنية الأفعال والأسماء بتفصيل نادر. و”شرح شافية ابن الحاجب” للرضي الأستراباذي يُعَدُّ من أوسع المراجع الصرفية شرحاً لنظام الأوزان.

الدراسات الحديثة والمصادر الثانوية

كتاب “اللغة العربية والحاسوب” للدكتور نبيل علي (دار تلاص، 1988) يظل مرجعاً تأسيسياً رغم قِدمه. ومن الدراسات الأحدث: أوراق مؤتمر ACL (Association for Computational Linguistics) السنوية التي تتضمن قسماً متنامياً للأبحاث العربية. وكذلك أوراق ورشة WANLP (Workshop on Arabic Natural Language Processing) التي تُعقد سنوياً ضمن مؤتمرات الحوسبة اللغوية الكبرى.

المنهجية البحثية المقترحة

إذا كنتَ تخطط لرسالة ماجستير أو دكتوراه في هذا الحقل، فالمنهجية المثلى هي:

1. ابدأ بفهم النظرية الصرفية العربية (من المصادر الأصيلة أعلاه).
2. ادرس خوارزميات التجذيع الكلاسيكية (بورتر، خوجة، ISRI) ونفّذها برمجياً.
3. اجمع مجموعة بيانات (Corpus) مناسبة لمهمتك.
4. طبّق المجذعات على بياناتك وقِس الأداء بمقاييس الدقة والاستدعاء وF1.
5. قارن مع مقاربات التعلم العميق (AraBERT, CAMeLBERT).
6. حلّل الأخطاء نوعياً واقترح تحسينات.

المسارات المتخصصة للباحث المتقدم

إذا كنتَ تريد التخصص في تجذيع اللهجات العربية، فابحث عن مجموعة بيانات MADAR Corpus التي تغطي 25 لهجة عربية. وإذا كنتَ مهتماً بالتحليل الصرفي الكامل، فتعمّق في أدوات CAMeL Tools ومحلّل باكووالتر.

المصادر الرقمية والمكتبات الإلكترونية

• المكتبة الشاملة: للنصوص التراثية الصرفية والنحوية.
• Google Scholar: لتتبّع أحدث الأوراق البحثية.
• JSTOR: للدراسات الاستشراقية في اللغات السامية.
• Persée: للأبحاث الفرنسية في اللسانيات العربية.
• أرشيف: للطبعات القديمة النادرة من كتب الصرف.
• مكتبة الملك عبدالعزيز العامة: لمصادر رقمية سعودية متنوعة.

---

الخاتمة: نحو مجذعات تليق بعبقرية العربية

خلاصة ما تقدّم أنّ التجذيع ليس مجرد عملية تقنية بسيطة، بل هو جسر بين تراث صرفي عربي عمره أربعة عشر قرناً وتقنيات حاسوبية تتطور كل عام. اللغة العربية بغناها الاشتقاقي وتعقيد بنيتها الصرفية تفرض على الباحثين والمبرمجين أن يطوّروا أدوات مصممة لها خصيصى، لا أن يستوردوا حلولاً جاهزة من لغات أخرى ويحاولوا تكييفها.

لقد حقّقت خوارزميات التجذيع العربي تقدماً ملموساً خلال العقدين الأخيرين — من مجذع خوجة الرائد إلى أدوات التعلم العميق الحديثة — لكنّ الطريق لا يزال طويلاً. جموع التكسير لا تزال تُربك أفضل المجذعات. الغموض الصرفي في النصوص غير المشكولة لا يزال يُنتج أخطاء. اللهجات العربية لا تزال شبه مهملة. هذه تحديات تنتظر جيلاً جديداً من الباحثين الذين يجمعون بين عمق المعرفة الصرفية العربية والكفاءة البرمجية العالية.

التشجيع الأصدق الذي يمكن تقديمه للباحث العربي الشاب في هذا الحقل هو أنّ اللغة العربية — بتعقيدها نفسه — تمثل مختبراً طبيعياً لاختبار أقوى النظريات اللسانية والحاسوبية. أي خوارزمية تنجح مع العربية ستنجح على الأرجح مع أي لغة أخرى. وأي باحث يُتقن تحديات المعالجة الآلية للعربية يملك ميزة تنافسية حقيقية في سوق البحث العلمي العالمي.

فهل آن الأوان لأن تبدأ رحلتك في بناء مجذع عربي أفضل — أو على الأقل في فهم كيف تعمل الأدوات التي تستخدمها كل يوم؟

---

المصادر والمراجع

1. سيبويه، عمرو بن عثمان. (1988). الكتاب. تحقيق: عبد السلام هارون. القاهرة: مكتبة الخانجي.
   مرجع تأسيسي في علم الصرف العربي ونظام الأوزان والاشتقاق.
2. ابن جني، أبو الفتح عثمان. (1954). المنصف: شرح كتاب التصريف للمازني. تحقيق: إبراهيم مصطفى وعبد الله أمين. القاهرة: دار إحياء التراث القديم.
   أوسع شرح لأبنية الأفعال والأسماء المشتقة في التراث الصرفي العربي.
3. ابن منظور، محمد بن مكرم. (1993). لسان العرب. بيروت: دار صادر.
   أكبر معجم عربي تاريخي مرتب على الجذور اللغوية، يوضح الاشتقاق والتفريع.
4. الرضي الأستراباذي. (1975). شرح شافية ابن الحاجب. تحقيق: محمد نور الحسن وآخرون. بيروت: دار الكتب العلمية.
   مرجع تفصيلي في الصرف العربي يشرح الأوزان والإعلال والإبدال.
5. نبيل علي. (1988). اللغة العربية والحاسوب. القاهرة: دار تلاص.
   كتاب تأسيسي في حوسبة العربية، يناقش التحديات الصرفية والنحوية للمعالجة الآلية.
6. Khoja, S., & Garside, R. (1999). “Stemming Arabic Text.” Technical Report, Lancaster University. الرابط
   الورقة الأصلية التي قدّمت مجذع خوجة للنصوص العربية.
7. Larkey, L. S., Ballesteros, L., & Connell, M. E. (2002). “Improving Stemming for Arabic Information Retrieval: Light Stemming and Co-occurrence Analysis.” Proceedings of SIGIR 2002. DOI: 10.1145/564376.564425
   دراسة مرجعية أثبتت تفوق التجذيع الخفيف على التجذيع الجذري في استرجاع المعلومات العربية.
8. Taghva, K., Elkhoury, R., & Coombs, J. (2005). “Arabic Stemming Without a Root Dictionary.” Proceedings of ITCC 2005. DOI: 10.1109/ITCC.2005.90
   تقديم مجذع ISRI الذي لا يعتمد على قاموس جذور خارجي.
9. Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge: Cambridge University Press. الرابط
   مرجع أكاديمي شامل في استرجاع المعلومات يتضمن فصلاً عن التجذيع والتلمتة.
10. Obeid, O., Zalmout, N., Khalifa, S., Taji, D., Erdmann, A., Habash, N. et al. (2020). “CAMeL Tools: An Open Source Python Toolkit for Arabic Natural Language Processing.” Proceedings of LREC 2020. الرابط
    ورقة تقديم أدوات CAMeL Tools لتحليل النصوص العربية صرفياً ونحوياً.
11. Antoun, W., Baly, F., & Hajj, H. (2020). “AraBERT: Transformer-based Model for Arabic Language Understanding.” Proceedings of the 4th Workshop on Open-Source Arabic Corpora and Processing Tools (OSACT). الرابط
    ورقة تقديم نموذج AraBERT لفهم اللغة العربية باستخدام المحولات.
12. Habash, N. (2010). Introduction to Arabic Natural Language Processing. San Rafael, CA: Morgan & Claypool Publishers. DOI: 10.2200/S00277ED1V01Y201008HLT010
    كتاب مرجعي شامل في المعالجة الآلية للغة العربية من تأليف نزار حبش (جامعة نيويورك أبوظبي).
13. مجمع اللغة العربية بالقاهرة. (2004). المعجم الوسيط. الطبعة الرابعة. القاهرة: مكتبة الشروق الدولية.
    معجم مرجعي يوضح الجذور والمشتقات العربية، ومصدر أساسي لبناء قواعد بيانات الجذور.
14. Buckwalter, T. (2004). “Buckwalter Arabic Morphological Analyzer Version 2.0.” Linguistic Data Consortium (LDC), University of Pennsylvania. الرابط
    محلّل صرفي مرجعي للعربية استُخدم في عشرات المشاريع البحثية الكبرى.
15. Zerrouki, T. (2012). “Tashaphyne: Arabic Light Stemmer/Segmenter.” الرابط
    أداة مفتوحة المصدر للتجذيع الخفيف والتقطيع الصرفي للنصوص العربية.

---

قراءات إضافية ومصادر للتوسع

1. Al-Sughaiyer, I. A., & Al-Kharashi, I. A. (2004). “Arabic Morphological Analysis Techniques: A Comprehensive Survey.” Journal of the American Society for Information Science and Technology, 55(3), 189–213. DOI: 10.1002/asi.10368
   لماذا نقترح عليك قراءته؟ لأنه يقدم مسحاً شاملاً لتقنيات التحليل الصرفي العربي حتى عام 2004، مما يمنحك أساساً تاريخياً متيناً لفهم تطور الحقل.
2. Darwish, K., & Mubarak, H. (2016). “Farasa: A Fast and Furious Segmenter for Arabic.” Proceedings of NAACL-HLT 2016 (Demonstrations). الرابط
   لماذا نقترح عليك قراءته؟ لأنه يعرض أداة Farasa للتقطيع الصرفي السريع، وهي بديل حديث وفعّال للمجذعات التقليدية، ويمكنك مقارنة أدائها مع المجذعات المذكورة في المقال.
3. Habash, N., & Rambow, O. (2005). “Arabic Tokenization, Part-of-Speech Tagging and Morphological Disambiguation in One Fell Swoop.” Proceedings of ACL 2005. DOI: 10.3115/1219840.1219882
   لماذا نقترح عليك قراءته؟ لأنه يوضح كيف يتكامل التجذيع مع مراحل المعالجة الأخرى (التقطيع، ووسم أجزاء الكلام، وحلّ الغموض الصرفي) في منظومة واحدة، مما يعطيك رؤية شاملة لأنبوب المعالجة الكامل.

---

إذا وجدتَ في هذا المقال ما أثرى فهمك أو أثار أسئلة جديدة لديك، فنحن في موقع باحثو اللغة العربية نرحّب بتواصلك معنا عبر صفحة اتصل بنا. وإذا أردتَ التعرف على المنهجية العلمية التي تقوم عليها مقالاتنا ومراجعاتنا، فاطّلع على صفحة هيئة التحرير والإشراف العلمي لترى كيف نعمل على ضمان دقة المحتوى وموثوقيته.