---
title: "LLM でアラビア語の固有表現を抽出し JSON にする方法 | BroadRouter"
description: "アラビア語の人名、組織、地名、ヒジュラ暦の日付を LLM で JSON に抽出する方法。プロンプト、ダイアクリティカルマークを無視するスパンチェック、日付変換、採点スクリプトを紹介します。"
url: https://broadrouter.com/ja/blog/arabic-named-entity-extraction-llm/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/arabic-named-entity-extraction-llm/)（2026-11-15 更新）。

# LLM によるアラビア語の固有表現抽出：JSON、日付、チェック

BroadNet Inference チーム · 約 7 分で読めます · 公開日 2026-11-15

エンティティを書かれたとおりに写し、固定リストの型とともに JSON で返させます。コードでは、ダイアクリティカルマークを除去し alef を統一したうえで、各エンティティが原文にあるか確認します。ヒジュラ暦の日付は hijridate などのライブラリで変換し、人手ラベルのサンプルでエンティティ単位の適合率、再現率、F1 を測ります。

## 要点

-   LAraBench（EACL 2024）では、ゼロショットの GPT-4 は ANERcorp のトークンタグ付けで macro-F1 0.355、ファインチューニング済みシステムは 0.886 でした。10-shot で 0.451 に上がりました。
-   エンティティの短い JSON リストを抽出するのは、全トークンにタグを付けるのとは別のタスクです。出荷する形式で、自社のテキストを使ってテストしてください。
-   tashkeel と tatweel を除去し、alef の字形を統一してからエンティティを照合してください。そうしないと、モデルが正しく写した名前がハルシネーションのように見えます。
-   日付を読むのはモデル、変換するのはコードです。hijridate はヒジュラ暦 1343〜1500 年（西暦 1924〜2077 年）の Umm al-Qura の日付に対応しています。
-   公開されているアラビア語 NER データセットには、ニュース（ANERcorp）、Wikipedia（AQMAR）、MSA と方言（Wojood）、古典アラビア語（CANERCorpus）があります。ラベルが自社のものと一致することはまれです。

**このページの内容**

1.  LLM のアラビア語 NER の性能はどの程度ですか？
2.  どんなアラビア語 NER データセットがありますか？
3.  プロンプトでは何を求めるべきですか？
4.  エンティティを原文とどう照合しますか？
5.  ヒジュラ暦の日付はどう扱いますか？
6.  Arabizi や混在テキスト中の名前はどうしますか？
7.  抽出器はどう採点しますか？
8.  BroadNet のどのモデルを使うべきですか？
9.  BroadNet Inference の位置づけ

固有表現抽出は、段落をコードで使えるレコードに変えます。誰が、どの組織が、どこで、いつ、です。アラビア語には、英語のパイプラインではまず出会わない 4 つの問題があります。任意のダイアクリティカルマーク、同じ文字の複数の綴り、ラテン文字で書かれた名前（[Arabizi](https://broadrouter.com/ja/glossary/arabizi/)）、そして 2 つの暦による日付です。この記事では、OpenAI 互換の LLM 上に、それぞれをコードで処理する抽出ステップを作り、自社のテキストで機能するかを判断するための採点スクリプトも用意します。

メッセージからスパンを抜き出すのではなくメッセージ全体を分類する場合は、[アラビア語テキスト分類](https://broadrouter.com/ja/blog/arabic-text-classification-llm/)を参照してください。JSON のリクエストオプション自体については、[JSON モードと json\_schema の比較](https://broadrouter.com/ja/blog/structured-output-json-schema/)を参照してください。

## LLM のアラビア語 NER の性能はどの程度ですか？

見つかった中で最も関連性の高い公開測定は LAraBench（Abdelali ほか、EACL 2024）で、アラビア語 NER データセットで GPT-3.5 と GPT-4 をトークン単位のタグ付けとして評価しています。macro-F1 で、高いほど良い値です。

| データセット | GPT-3.5 ゼロショット | GPT-4 ゼロショット | GPT-4 3-shot | 引用されたファインチューニング済みシステム |
| --- | --- | --- | --- | --- |
| ANERcorp（ニュース） | 0.210 | 0.355 | 0.420 | 0.886 |
| AQMAR（Wikipedia） | 0.230 | 0.365 | 0.390 | 0.690 |
| QASR（書き起こし） | 0.208 | 0.504 | n/a | 0.698 |

例を増やすと改善しました。ANERcorp での GPT-4 は、例なしの 0.355 から 10 例で 0.451 に上がりました。著者は、モデルが独自の形式で書いたタグ（B-PER の代わりの PER-B など）を対応付け直す必要もありました。

慎重に読んでください。これは 2023 年のモデルが、ベンチマークのラベルセットで厳密なタグ付けタスクを行った結果です。現在のモデルにサポートチケット中の人名と会社名の短いリストを求めれば、はるかに良い結果になるかもしれませんし、ならないかもしれません。この表から今でも言えることは 2 つです。LLM は自動的に良い NER システムになるわけではないこと、そして自社での測定が必要なことです。

## どんなアラビア語 NER データセットがありますか？

| データセット | テキスト | 規模とラベル |
| --- | --- | --- |
| [ANERcorp](https://camel.abudhabi.nyu.edu/anercorp/) | ニュース | 約 150,000 トークン。人名、地名、組織、その他。CAMeL Lab が標準の訓練／テスト分割を公開 |
| [CLEANANERCorp](https://aclanthology.org/2024.osact-1.2/) | 修正版 ANERcorp | 元のデータで見つかったアノテーションの誤り、欠落ラベル、不整合を修正 |
| [AQMAR](https://www.cs.cmu.edu/~ark/ArabicNER/) | アラビア語 Wikipedia | 28 記事から 74,000 トークン |
| [Wojood](https://aclanthology.org/2022.lrec-1.387/) | MSA と方言 | 約 550,000 トークン、21 種類のエンティティ、入れ子構造。WojoodNER 2023 共有タスクで使用 |
| [CANERCorpus](https://github.com/RamziSalah/Classical-Arabic-Named-Entity-Recognition-Corpus) | 古典アラビア語のハディース | 7,000 以上のハディース、イスラム関連の 20 種類 |

これらはプロンプトの妥当性確認に使い、受け入れテストにはしないでください。自社のエンティティ型（顧客、製品、支店、契約番号）はこれらと異なり、ライセンスもそれぞれ違います。商用利用の前に 1 つずつ確認してください。

## プロンプトでは何を求めるべきですか？

出力を検証可能にするルールは 3 つです。

1.  \*\*スパンを正確に写す。\*\*翻訳しない、音訳しない、名だけをフルネームに「補完」しない。英語の綴りが必要なら別のフィールドで求め、未検証として扱います。
2.  \*\*閉じた型リスト。\*\*PERSON、ORG、LOCATION、DATE、または自社独自のセット。自由形式の型は採点できません。
3.  \*\*日付は変換結果ではなく構成要素で。\*\*年、月、日を書かれたとおりに、暦と一緒に求めます。末尾の هـ はヒジュラ暦、م は西暦を示します。

指示は英語でもアラビア語でもかまいません。その得失は[アラビア語のプロンプトエンジニアリング](https://broadrouter.com/ja/blog/arabic-prompt-engineering/)で扱っています。JSON の形はシステムプロンプトに入れ、リクエスト間で同一に保てば[キャッシュ](https://broadrouter.com/ja/glossary/cached-input-tokens/)されます。

## エンティティを原文とどう照合しますか？

モデルは、本文に一度も出てこない名前を返すこともあれば、名前を正しく写してもダイアクリティカルマークを落とすこともあります。単純な部分文字列テストでは、この 2 つを区別できません。先に両方を正規化してください。tashkeel と tatweel を除去し、alef の字形を統一し、عبد ال を連結して عبد الله が عبدالله と一致するようにします。ルールは[検索のためのアラビア語テキスト正規化](https://broadrouter.com/ja/blog/arabic-text-normalization-search/)と同じで、照合にだけ適用します。表示用には元のスパンを残してください。

```python
import json, os, re
from hijridate import Hijri
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

TYPES = {"PERSON", "ORG", "LOCATION", "DATE"}
SYSTEM = """Extract named entities from the Arabic text. Reply with JSON only:
{"entities": [{"text": "...", "type": "PERSON|ORG|LOCATION|DATE"}],
 "dates": [{"text": "...", "calendar": "hijri|gregorian", "year": 0, "month": 0, "day": 0}]}
Rules: copy "text" exactly as it appears in the input, including any diacritics.
Do not translate, transliterate or complete names. A date followed by هـ is Hijri.
If there are no entities, return empty lists."""

DIACRITICS = re.compile(r"[ً-ٰٟـ]")   # tashkeel, dagger alef, tatweel
def norm(s: str) -> str:
    s = DIACRITICS.sub("", s)
    s = re.sub("[إأآٱ]", "ا", s).replace("ى", "ي").replace("عبد ال", "عبدال")
    return " ".join(s.split())

def validate(source: str, data: dict) -> tuple[list, list]:
    """Keep entities that really occur in the source; report everything else."""
    src, kept, problems = norm(source), [], []
    for e in data.get("entities", []):
        if e.get("type") not in TYPES:
            problems.append(f"unknown type: {e}")
        elif norm(e.get("text", "")) not in src:
            problems.append(f"not in source: {e['text']}")
        else:
            kept.append(e)
    for d in data.get("dates", []):
        if d.get("calendar") == "hijri":
            try:
                d["iso"] = Hijri(d["year"], d["month"], d["day"]).to_gregorian().isoformat()
            except (ValueError, OverflowError) as err:
                problems.append(f"bad Hijri date {d['text']}: {err}")
    return kept, problems

def extract(text: str, model="broadnet/qwen3.8-27b") -> dict:
    r = client.chat.completions.create(
        model=model, max_tokens=2000,
        messages=[{"role": "system", "content": SYSTEM}, {"role": "user", "content": text}])
    data = json.loads(r.choices[0].message.content)
    data["entities"], data["problems"] = validate(text, data)
    return data

text = "التقى خالِد بن سَعِيد مديرةَ شركة النخيل للتقنية في جدة يوم ١٥ جمادى الآخرة ١٤٤٥هـ."
print(json.dumps(extract(text), ensure_ascii=False, indent=1))
```

これを、架空の人名 1 つとあり得ない日付（13 月）を加えた定型の返答を返すローカルのモックサーバー（実際の API 呼び出しなし）で実行しました。出力には خالد بن سعيد（返答ではダイアクリティカルマークが落ちていましたが、正規化した照合で見つかりました）、شركة النخيل للتقنية、جدة が残りました。١٥ جمادى الآخرة ١٤٤٥هـ は 2023-12-28 に変換され、2 つの問題が列挙されました。架空の名前は「not in source」、13 月は「month must be in 1-12」です。人名と会社名は架空のものです。

コードについての補足です。

-   **`max_tokens=2000`** は推論の余地を残すためです。BroadNet のドキュメントによると、DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B は回答の前に推論し、その推論は `max_tokens` に含まれます。[推論モデルの空の応答](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)を参照してください。
-   \*\*`json.loads` は失敗することがあります。\*\*ラップしておき、失敗したら[修復ループ](https://broadrouter.com/ja/blog/structured-output-json-schema/)のようにエラーを添えて 1 回再送します。BroadNet が構造化出力に対応すると記載している GLM 5.3 と Qwen3.8 27B では、`response_format` のスキーマも追加してください。いずれにしても検証は残します。
-   \*\*部分文字列の照合は意図的に緩くしています。\*\*スパンが存在することは確認しますが、型は確認しません。型は次の採点ステップで測ります。

## ヒジュラ暦の日付はどう扱いますか？

アラビア語のテキストでは、日付がさまざまに書かれます。١٥/٦/١٤٤٥هـ、١٥ جمادى الآخرة ١٤٤٥、あるいは地域によって月名が異なる西暦の日付（エジプトと湾岸では نوفمبر、レバント地方では تشرين الثاني）です。モデルは通常これらを構成要素に分解でき、コードがその要素をチェックします。暦の間の変換は公開された表に基づく計算であり、モデルがそれを正しく行う理由はありません。

[hijridate](https://pypi.org/project/hijridate/)（旧 hijri-converter）は Umm al-Qura 暦で変換します。ドキュメントに記載された範囲はヒジュラ暦 1343〜1500 年（西暦 1924 年 8 月 1 日〜2077 年 11 月 16 日）です。範囲外では OverflowError、無効な月や日では ValueError が発生するため、コードでは両方を捕捉しています。ドキュメントには、新月の目視が優先される宗教的な用途は想定していないとあるため、目視で決まる日付は変換値と異なることがあります。書かれたとおりの日付を、変換後の日付と並べて保存してください。

ここでは東アラビア数字に特別な処理は不要です。モデルは整数を返します。日付を自分で解析する場合は、先に ٠١٢٣٤٥٦٧٨٩（とペルシア数字 ۰–۹）を 0–9 に変換してください。

## Arabizi や混在テキスト中の名前はどうしますか？

顧客のメッセージでは、名前がラテン文字で書かれることがよくあります。「ana 7a2ool la Mo7ammad bokra」。正確なスパンのルールはそのまま機能します。エンティティのテキストは「Mo7ammad」で、部分文字列チェックも通ります。うまくいかないのは、そのレコードを CRM の محمد と照合する部分です。それは 2 つ目のステップで行います。[Arabizi の扱い方](https://broadrouter.com/ja/blog/arabizi-llm-handling/)のようにスパンをアラビア文字に変換し、同じ正規化でレコードと照合します。変換を経たレコードには信頼度フラグを付けておいてください。

アラビア語の文中にある英語の会社名や、アラビア語の名前のラテン文字表記（Mohammed、Muhammad、Mohamed）にも同じことが言えます。抽出ステップに綴りを 1 つ選ばせないでください。

## 抽出器はどう採点しますか？

同じ型リストを使って、実際のサンプル 100〜200 件に人手でラベルを付けます。そのうえで、正規化したテキストと型についてエンティティ単位の完全一致で予測を比較し、型ごとに適合率、再現率、F1 を報告します。

```python
from collections import Counter

def score(gold: list[list[dict]], pred: list[list[dict]]) -> dict:
    """Entity-level exact match on (normalised text, type), micro-averaged, plus per type."""
    tp, fp, fn = Counter(), Counter(), Counter()
    for g, p in zip(gold, pred):
        G = Counter((norm(e["text"]), e["type"]) for e in g)
        P = Counter((norm(e["text"]), e["type"]) for e in p)
        for (t, ty), n in (G | P).items():
            hit = min(G[(t, ty)], P[(t, ty)])
            tp[ty] += hit; fp[ty] += P[(t, ty)] - hit; fn[ty] += G[(t, ty)] - hit
    def prf(a, b, c):
        p = a / (a + b) if a + b else 0.0
        r = a / (a + c) if a + c else 0.0
        return {"p": round(p, 3), "r": round(r, 3), "f1": round(2 * p * r / (p + r), 3) if p + r else 0.0}
    out = {ty: prf(tp[ty], fp[ty], fn[ty]) for ty in sorted(tp | fp | fn)}
    out["micro"] = prf(sum(tp.values()), sum(fp.values()), sum(fn.values()))
    return out
```

2 文のおもちゃのセット（正解エンティティ 3 つ。予測では جدة を LOCATION ではなく ORG とし、余分な地名を 1 つ追加）では、micro の適合率 0.5、再現率 0.667、F1 0.571、LOCATION の F1 0 が出力されました。型ごとに見ると、どこに力を入れるべきかがわかります。ORG のスコアが低い場合、通常必要なのは大きなモデルではなく、型の定義への例の追加です。

何を一致とみなすかは事前に決めておいてください。完全一致は厳格です。正解が「شركة النخيل للتقنية」のところ「شركة النخيل」と予測すると、偽陽性 1 件と偽陰性 1 件として採点されます。用途上、部分的なスパンでも許容できるなら、重なりに基づく 2 つ目のスコアも報告しつつ、見出しの数値には厳格なスコアを使ってください。

## BroadNet のどのモデルを使うべきですか？

価格はすべて 100 万トークンあたりで、BroadNet の料金ページに基づきます。

| モデル | 理由 | 入力 / 出力 |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) | 構造化出力の記載あり。BroadNet は湾岸・エジプト方言の理解を含むアラビア語でテストしたと報告。画像も読める | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) | 構造化出力の記載あり。非常に長い文書向けの 1,048,576 トークンのコンテキスト | $0.78 / $3.46 |
| [Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) | $5 の初回クレジットで使える。構造化出力の記載がないため、プロンプトだけで得た JSON を検証する。32,768 トークンのコンテキスト | $0.10 / $0.22 |

各候補で自社のサンプルに採点スクリプトを実行し、ベンダーの説明ではなく型ごとの F1 とコストで選んでください。アラビア語は同じ内容でも通常英語より多くのトークンを使います。実測の比率は[アラビア語の 1 語あたりのトークン数](https://broadrouter.com/ja/blog/tokens-per-word-arabic-english/)にあります。スキャンしたフォームや写真の中のエンティティは、[Vision でアラビア語の請求書を読む](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)のように画像から直接抽出してください。

## BroadNet Inference の位置づけ

BroadRouter は BroadNet 自身のサイトです。BroadNet Inference では、1 つのキーで上記のモデルに OpenAI 互換でアクセスできるため、ベース URL を変えるだけでコードが [OpenAI Python SDK](https://broadrouter.com/ja/guides/openai-python-sdk/) で動きます。ドキュメントによると、プロンプトと回答はリクエスト後に保持されません。テキストが人名だらけの場合、これは重要です。専用の NER エンドポイントはなく、独自のアラビア語 NER ベンチマークも公開していないため、自社のデータで測定してください。大量処理のためにセルフホストのタガーが必要なら、Wojood や自社のラベルで学習したファインチューニング済みモデルのほうが、どの LLM よりも安く一貫している可能性があります。上で示した公開データの差が、それを確かめるべき理由です。

関連する無料ツール（英語）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[固有表現抽出（NER、named entity recognition）](https://broadrouter.com/ja/glossary/named-entity-recognition/)

固有表現抽出（NER）とは、テキスト中の名前を見つけ、人物、組織、場所などの種類をそれぞれにラベル付けするタスクです。従来のシステムはすべてのトークンにタグを付けますが、LLM ではエンティティの一覧を JSON で返させ、原文と照合するのが一般的です。

[アラビージー（Arabizi）](https://broadrouter.com/ja/glossary/arabizi/)

アラビージー（Arabizi）とは、ラテン文字でくだけて書くアラビア語で、ラテン文字にない音は ع を 3 で表すように数字で書きます。チャットや SNS でよく使われ、ほとんどが方言で、決まった綴りがなく、英語やフランス語が混ざることもよくあります。

[構造化出力（Structured Outputs）](https://broadrouter.com/ja/glossary/structured-output/)

構造化出力とは、モデルの回答を開発者が指定した形式（通常は JSON Schema）に制約し、コードで確実に解析できるようにする LLM API の機能です。有効な JSON であることだけを保証し、特定の形までは保証しない JSON モードより厳格です。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[JSON Schema（JSON スキーマ）](https://broadrouter.com/ja/glossary/json-schema/)

JSON Schema とは、JSON データの構造（型、必須フィールド、許可される値、入れ子）を記述・検証するための、JSON で書かれた語彙です。現行バージョンは 2020-12 です。LLM API はツールのパラメーターや、構造化出力が従うべき正確な形の定義に使います。

[アラビア語テキストの正規化（Arabic text normalization）](https://broadrouter.com/ja/glossary/arabic-text-normalization/)

アラビア語テキストの正規化とは、照合の前に同じ単語の表記ゆれを 1 つの形にそろえる処理です。発音記号とタトウィールを取り除き、アリフの形を統一し、多くの場合 ى を ي に、ة を ه に置き換えます。検索キーと評価に使い、表示するテキストには使いません。

[アラビア語の発音記号（タシュキール、tashkeel）](https://broadrouter.com/ja/glossary/arabic-diacritics/)

アラビア語の発音記号（タシュキール）とは、文字の上下に書く小さな記号で、短母音、子音の重複、母音がないことを示します。省略可能で、ニュースを含むほとんどのアラビア語テキストでは書かれないため、読み手もソフトウェアも文脈から母音を推測します。

## よくある質問

### LLM でアラビア語の固有表現認識はできますか？

チェックを入れればできます。トークン単位のアラビア語 NER で公開されているゼロショットの結果は、ファインチューニング済みモデルに大きく劣ります。すべてのエンティティを原文と照合し、本番で頼る前に、自社データのラベル付きサンプルでモデルを採点してください。

### ダイアクリティカルマークの有無が違うアラビア語の名前はどう照合しますか？

比較の前に両方を正規化します。tashkeel（U+064B〜U+065F）、短剣 alef、tatweel を除去し、إ أ آ ٱ を ا に、ى を ي に変換して、空白をまとめます。表示には元のテキストを残し、正規化した形は照合にだけ使います。

### Python でヒジュラ暦の日付を西暦に変換するには？

hijridate（旧 hijri-converter）を使います。Hijri(1445, 6, 15).to\_gregorian() は 2023-12-28 を返します。Umm al-Qura 暦に従い、ヒジュラ暦 1343〜1500 年に対応しています。新月の目視で決める宗教上の日付には向いていません。

### テストに使えるアラビア語 NER データセットは？

ANERcorp（ニュース、約 150,000 トークン、4 種類）、AQMAR（Wikipedia の 74,000 トークン）、Wojood（MSA と方言の約 550,000 トークン、入れ子の 21 種類）、CANERCorpus（古典アラビア語のハディース、20 種類）です。それぞれのライセンスを確認し、ラベルを自社のものに対応付けてください。

### モデルに名前を翻訳または音訳させるべきですか？

抽出のステップではさせません。検証できるよう、原文のスパンそのものを求めてください。ラテン文字の綴りが必要なら別のフィールドを加え、未検証のものとして扱ってください。

## 続けて読む

-   [JSON モードと json\_schema：壊れない構造化出力の作り方](https://broadrouter.com/ja/blog/structured-output-json-schema/)
-   [検索と RAG のためのアラビア語テキスト正規化：変えるもの、変えないもの](https://broadrouter.com/ja/blog/arabic-text-normalization-search/)
-   [Arabizi と LLM：3 や 7 などの数字を使うラテン文字アラビア語の扱い方](https://broadrouter.com/ja/blog/arabizi-llm-handling/)
-   [LLM によるアラビア語テキスト分類：感情、意図、振り分け](https://broadrouter.com/ja/blog/arabic-text-classification-llm/)
-   [アラビア語のプロンプトエンジニアリング：文体、RTL、数字、混在テキスト](https://broadrouter.com/ja/blog/arabic-prompt-engineering/)
-   [アラビア語向け LLM API の選び方：何をテストすべきか](https://broadrouter.com/ja/blog/choosing-an-llm-for-arabic/)
-   [LLM でアラビア語の文法・スペルを校正する方法](https://broadrouter.com/ja/blog/arabic-grammar-spelling-correction-llm/)
-   [LLM でアラビア語に母音記号を付ける：プロンプト、検証、DER](https://broadrouter.com/ja/blog/arabic-diacritization-llm/)
-   [アラビア語の会議録音から議事録を作る：API パイプライン](https://broadrouter.com/ja/blog/arabic-meeting-minutes-from-recordings/)
-   [ガイド：ビジョンモデルでアラビア語の請求書とレシートを読み取る](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)
-   [ガイド：OpenAI Python SDK を BroadNet Inference で使う](https://broadrouter.com/ja/guides/openai-python-sdk/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-named-entity-extraction-llm&utm_content=page-cta) ·

**出典**

-   [Abdelali ほか「LAraBench: Benchmarking Arabic AI with Large Language Models」EACL 2024、表 1 と表 5（2026-11-15 確認）](https://aclanthology.org/2024.eacl-long.30/)
-   [Jarrar、Khalilia、Ghanem「Wojood: Nested Arabic Named Entity Corpus and Recognition using BERT」LREC 2022（2026-11-15 確認）](https://aclanthology.org/2022.lrec-1.387/)
-   [Jarrar ほか「WojoodNER 2023: The First Arabic Named Entity Recognition Shared Task」ArabicNLP 2023（2026-11-15 確認）](https://aclanthology.org/2023.arabicnlp-1.83/)
-   [CAMeL Lab、ANERcorp のダウンロードページと訓練／テスト分割（2026-11-15 確認）](https://camel.abudhabi.nyu.edu/anercorp/)
-   [AlDuwais、Al-Khalifa、AlSalman「CLEANANERCorp: Identifying and Correcting Incorrect Labels in the ANERcorp Dataset」OSACT 2024（2026-11-15 確認）](https://aclanthology.org/2024.osact-1.2/)
-   [CMU ARK、AQMAR アラビア語 Wikipedia 固有表現コーパス：74,000 トークン、28 記事（2026-11-15 確認）](https://www.cs.cmu.edu/~ark/ArabicNER/)
-   [Salah、Zakaria「Classical Arabic Named Entity Recognition Corpus（CANERCorpus）」リポジトリ（2026-11-15 確認）](https://github.com/RamziSalah/Classical-Arabic-Named-Entity-Recognition-Corpus)
-   [PyPI の hijridate：Umm al-Qura 変換ライブラリ、旧 hijri-converter、ヒジュラ暦 1343〜1500 年（2026-11-15 確認）](https://pypi.org/project/hijridate/)
-   [BroadNet Inference API リファレンス：構造化出力に対応するモデル、推論と max\_tokens（2026-11-15 確認）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-named-entity-extraction-llm&utm_content=sources)
