---
title: "Извлечение сущностей из арабского текста с LLM в JSON"
description: "Извлечение арабских имён, организаций, мест и дат по хиджре в JSON с помощью LLM: промпт, проверка спанов без учёта огласовок, перевод дат и скрипт оценки."
url: https://broadrouter.com/ru/blog/arabic-named-entity-extraction-llm/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/arabic-named-entity-extraction-llm/) (обновлён 2026-11-15).

# Извлечение именованных сущностей из арабского с LLM: JSON и даты

Команда BroadNet Inference · 7 мин чтения · Опубликовано 2026-11-15

Попросите модель скопировать каждую сущность в точности как в тексте, с типом из фиксированного списка, в формате JSON. Проверяйте каждую сущность в коде: после удаления огласовок и унификации форм алифа она должна найтись в исходнике. Даты по хиджре переводите библиотекой вроде hijridate, а не моделью. Оценивайте размеченную вручную выборку по точности, полноте и F1 на уровне сущностей.

## Главное

-   В LAraBench (EACL 2024) GPT-4 без примеров набрала 0,355 macro-F1 на потокенной разметке ANERcorp против 0,886 у дообученной системы; 10 примеров подняли результат до 0,451.
-   Извлечь короткий JSON-список сущностей — другая задача, чем разметить каждый токен. Тестируйте ту постановку, которую будете запускать, на своём тексте.
-   Сопоставляйте сущности после удаления ташкиля и татвиля и унификации форм алифа, иначе правильно скопированное моделью имя будет выглядеть как галлюцинация.
-   Пусть модель читает дату, а переводит её код. hijridate покрывает даты по календарю Умм аль-Кура с 1343 по 1500 г. х. (с 1924 по 2077 г. н. э.).
-   Открытые арабские NER-наборы есть для новостей (ANERcorp), Википедии (AQMAR), MSA с диалектами (Wojood) и классического арабского (CANERCorpus). Их метки редко совпадают с вашими.

**На этой странице**

1.  Насколько хорошо LLM справляются с арабским NER?
2.  Какие есть арабские NER-датасеты?
3.  Что должно быть в промпте?
4.  Как проверять сущности по исходнику?
5.  Как работать с датами по хиджре?
6.  Что делать с именами на арабизи и смешанным текстом?
7.  Как оценить экстрактор?
8.  Какую модель BroadNet выбрать?
9.  Место BroadNet Inference

Извлечение именованных сущностей превращает абзац в записи, с которыми может работать код: кто, какая организация, где и когда. Арабский добавляет четыре проблемы, с которыми англоязычные пайплайны почти не сталкиваются: необязательные огласовки, несколько написаний одной и той же буквы, имена латиницей ([арабизи](https://broadrouter.com/ru/glossary/arabizi/)) и даты в двух календарях. В этой статье мы строим шаг извлечения на OpenAI-совместимой LLM, который решает каждую из них в коде, и скрипт оценки, который покажет, работает ли это на вашем тексте.

Если нужно классифицировать сообщения целиком, а не вытаскивать из них фрагменты, см. статью о [классификации арабского текста](https://broadrouter.com/ru/blog/arabic-text-classification-llm/). О самих параметрах запроса JSON — в статье [JSON mode или json\_schema](https://broadrouter.com/ru/blog/structured-output-json-schema/).

## Насколько хорошо LLM справляются с арабским NER?

Самое релевантное открытое измерение, которое мы нашли, — LAraBench (Abdelali et al., EACL 2024): там GPT-3.5 и GPT-4 прогоняли на арабских NER-наборах в режиме потокенной разметки. Macro-F1, чем выше, тем лучше:

| Датасет | GPT-3.5 без примеров | GPT-4 без примеров | GPT-4, 3 примера | Приведённая дообученная система |
| --- | --- | --- | --- | --- |
| ANERcorp (новости) | 0,210 | 0,355 | 0,420 | 0,886 |
| AQMAR (Википедия) | 0,230 | 0,365 | 0,390 | 0,690 |
| QASR (расшифровки) | 0,208 | 0,504 | н/д | 0,698 |

Больше примеров помогало: GPT-4 на ANERcorp выросла с 0,355 без примеров до 0,451 с десятью. Авторам также пришлось переназначать метки, которые модель писала в собственном формате, например PER-B вместо B-PER.

Читайте это осторожно. Это модели 2023 года на строгой задаче разметки с наборами меток бенчмарков. Современная модель, которую просят дать короткий список людей и компаний из тикета поддержки, может справиться гораздо лучше — а может и нет. Таблица говорит о двух вещах, которые остаются верными: LLM не становится хорошей NER-системой автоматически, и вам нужно собственное измерение.

## Какие есть арабские NER-датасеты?

| Датасет | Тексты | Размер и метки |
| --- | --- | --- |
| [ANERcorp](https://camel.abudhabi.nyu.edu/anercorp/) | Новости | Около 150 000 токенов; персона, место, организация, прочее. CAMeL Lab публикует стандартное разбиение на train/test |
| [CLEANANERCorp](https://aclanthology.org/2024.osact-1.2/) | Исправленный ANERcorp | Исправляет ошибки разметки, пропущенные метки и несогласованности, найденные в оригинале |
| [AQMAR](https://www.cs.cmu.edu/~ark/ArabicNER/) | Арабская Википедия | 74 000 токенов из 28 статей |
| [Wojood](https://aclanthology.org/2022.lrec-1.387/) | MSA и диалекты | Около 550 000 токенов, 21 тип сущностей, вложенные; использовался в соревновании WojoodNER 2023 |
| [CANERCorpus](https://github.com/RamziSalah/Classical-Arabic-Named-Entity-Recognition-Corpus) | Хадисы на классическом арабском | Более 7 000 хадисов, 20 типов на исламские темы |

Используйте их для быстрой проверки промпта, а не как приёмочный тест. Ваши типы сущностей (клиент, товар, филиал, номер договора) будут отличаться от их типов, и лицензии у них тоже разные. Проверьте каждую перед коммерческим использованием.

## Что должно быть в промпте?

Три правила делают вывод проверяемым:

1.  **Копировать фрагмент точно.** Без перевода, без транслитерации, без «достраивания» имени до полного. Если нужно английское написание, просите его в отдельном поле и считайте непроверенным.
2.  **Закрытый список типов.** PERSON, ORG, LOCATION, DATE или ваш собственный набор. Произвольные типы невозможно оценить.
3.  **Даты по частям, без пересчёта.** Просите год, месяц и день как написано, плюс календарь. Конечное هـ обозначает дату по хиджре, م — григорианскую.

Инструкции пишите по-английски или по-арабски; компромисс разобран в статье о [промпт-инжиниринге для арабского](https://broadrouter.com/ru/blog/arabic-prompt-engineering/). Поместите форму JSON в системный промпт и держите её одинаковой во всех запросах, чтобы она могла [кэшироваться](https://broadrouter.com/ru/glossary/cached-input-tokens/).

## Как проверять сущности по исходнику?

Модель может вернуть имя, которого в тексте нет, или правильно скопировать имя, но без огласовок. Простая проверка подстроки эти случаи не различит. Сначала нормализуйте обе стороны: удалите ташкиль и татвиль, унифицируйте формы алифа и слейте عبد ال, чтобы عبد الله совпадало с عبدالله. Правила те же, что в статье о [нормализации арабского текста для поиска](https://broadrouter.com/ru/blog/arabic-text-normalization-search/), только применяются лишь для сопоставления. Для показа храните исходный фрагмент.

```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))
```

Мы прогнали это на локальном mock-сервере (без реального вызова API), чей заготовленный ответ добавлял одну выдуманную персону и одну невозможную дату (месяц 13). В выводе остались خالد بن سعيد (ответ потерял огласовки, но нормализованное сопоставление всё равно его нашло), شركة النخيل للتقنية и جدة. Дату ١٥ جمادى الآخرة ١٤٤٥هـ код перевёл в 2023-12-28 и перечислил две проблемы: выдуманное имя получило “not in source”, а месяц 13 вызвал “month must be in 1-12”. Имена и компания вымышлены.

Замечания к коду:

-   **`max_tokens=2000`** оставляет место для рассуждений. В документации BroadNet сказано, что DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B рассуждают перед ответом и эти рассуждения входят в `max_tokens`. См. руководство о [пустых ответах моделей с рассуждениями](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/).
-   **`json.loads` может упасть.** Оберните его и при ошибке отправьте запрос ещё раз с текстом ошибки, как в [цикле исправления](https://broadrouter.com/ru/blog/structured-output-json-schema/). На GLM 5.3 и Qwen3.8 27B, для которых BroadNet документирует структурированный вывод, добавьте ещё и схему `response_format`. Проверка в любом случае остаётся.
-   **Сопоставление по подстроке намеренно нестрогое.** Оно подтверждает, что фрагмент существует, но не подтверждает тип. Типы измеряет шаг оценки ниже.

## Как работать с датами по хиджре?

В арабском тексте даты пишут по-разному: ١٥/٦/١٤٤٥هـ, ١٥ جمادى الآخرة ١٤٤٥ или григорианская дата с названиями месяцев, которые зависят от региона (نوفمبر в Египте и Заливе, تشرين الثاني в Леванте). Обычно модель может разбить их на части, а код проверяет части. Перевод между календарями — это арифметика по опубликованной таблице, и у модели нет причин делать её правильно.

[hijridate](https://pypi.org/project/hijridate/), ранее hijri-converter, переводит даты по календарю Умм аль-Кура. Документированный диапазон — 1343–1500 г. х. (с 1 августа 1924 по 16 ноября 2077 г. н. э.). Вне диапазона она выбрасывает OverflowError, неверный месяц или день вызывает ValueError, поэтому код ловит оба исключения. В документации сказано, что библиотека не предназначена для религиозных целей, где предпочтительно наблюдение молодого месяца, поэтому дата, установленная по наблюдению, может отличаться от вычисленной. Храните дату в исходном написании рядом с переведённой.

Восточноарабские цифры здесь особой обработки не требуют: модель возвращает целые числа. Если разбираете даты сами, сначала замените ٠١٢٣٤٥٦٧٨٩ (и персидские ۰–۹) на 0–9.

## Что делать с именами на арабизи и смешанным текстом?

В сообщениях клиентов имена часто пишут латиницей: “ana 7a2ool la Mo7ammad bokra”. Правило точного фрагмента по-прежнему работает: текст сущности — “Mo7ammad”, и проверка подстроки проходит. Не получается другое — сопоставить эту запись с محمد в вашей CRM. Делайте это вторым шагом: переведите фрагмент в арабскую графику, как в статье об [обработке арабизи](https://broadrouter.com/ru/blog/arabizi-llm-handling/), затем сопоставляйте с записями с той же нормализацией. Ставьте флаг уверенности на каждую запись, прошедшую через преобразование.

То же относится к английским названиям компаний внутри арабских предложений и к латинским написаниям арабских имён (Mohammed, Muhammad, Mohamed). Не просите шаг извлечения выбирать одно написание.

## Как оценить экстрактор?

Разметьте вручную 100–200 реальных примеров с тем же списком типов. Затем сравните предсказания с разметкой по точному совпадению сущностей (нормализованный текст и тип) и укажите точность, полноту и F1 по каждому типу:

```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
```

На игрушечном наборе из двух предложений (три эталонные сущности; предсказание пометило جدة как ORG вместо LOCATION и добавило одно лишнее место) функция вывела микроусреднённые точность 0,5, полноту 0,667 и F1 0,571, а F1 для LOCATION — 0. Разбивка по типам показывает, куда тратить усилия: слабый результат по ORG обычно означает, что определениям типов нужны примеры, а не модель покрупнее.

Заранее решите, что считается совпадением. Точное совпадение строгое: “شركة النخيل” против эталонного “شركة النخيل للتقنية” даёт один ложноположительный и один ложноотрицательный результат. Если для вашей задачи частичные фрагменты допустимы, указывайте вторую оценку, основанную на перекрытии, но главной оставляйте строгую.

## Какую модель BroadNet выбрать?

Все цены — за 1 млн токенов, со страницы цен BroadNet.

| Модель | Почему | Вход / выход |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/) | Структурированный вывод документирован; по данным BroadNet, протестирована на арабском, включая понимание диалектов Залива и египетского; читает изображения | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/ru/models/glm-5.3/) | Структурированный вывод документирован; контекст 1 048 576 токенов для очень длинных документов | $0.78 / $3.46 |
| [Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) | Работает на стартовом кредите $5; структурированный вывод не документирован, поэтому проверяйте JSON, полученный только через промпт; контекст 32 768 токенов | $0.10 / $0.22 |

Прогоните скрипт оценки на своей выборке с каждым кандидатом и выбирайте по F1 по типам и по цене, а не по описанию поставщика. Арабский обычно занимает больше токенов, чем английский, при том же содержании; измеренные соотношения — в статье о [числе токенов на слово в арабском](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/). Для сущностей в отсканированных формах или на фотографиях извлекайте прямо из изображения, как в руководстве о [чтении арабских счетов с помощью vision-модели](https://broadrouter.com/ru/guides/read-arabic-invoices-with-vision/).

## Место BroadNet Inference

BroadRouter — собственный сайт BroadNet. BroadNet Inference даёт OpenAI-совместимый доступ к перечисленным моделям по одному ключу, так что код работает с [OpenAI Python SDK](https://broadrouter.com/ru/guides/openai-python-sdk/) после смены базового URL. В её документации сказано, что промпты и ответы не хранятся после запроса, а это важно, когда текст полон имён людей. Отдельного NER-эндпоинта у неё нет, собственного бенчмарка арабского NER она не публикует, так что измеряйте на своих данных. Если вам нужен разметчик на своих серверах для больших объёмов, модель, дообученная на Wojood или ваших метках, может оказаться дешевле и стабильнее любой LLM; опубликованный разрыв выше — повод это проверить.

Бесплатные инструменты по теме (на английском)

-   [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.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Арабизи (Arabizi)](https://broadrouter.com/ru/glossary/arabizi/)

Арабизи — это неформальная запись арабского латинскими буквами, где арабские звуки без латинского аналога передаются цифрами, например 3 вместо ع. Он распространён в чатах и соцсетях, в основном диалектный, не имеет стандартной орфографии и часто перемешан с английским или французским.

[Арабские огласовки (ташкиль, tashkeel)](https://broadrouter.com/ru/glossary/arabic-diacritics/)

Арабские огласовки, или ташкиль, — это небольшие знаки над буквами или под ними, которые обозначают краткие гласные, удвоенные согласные и отсутствие гласного. Они необязательны: в большинстве арабских текстов, включая новости, их нет, и читатель или программа восстанавливает гласные по контексту.

[Распознавание именованных сущностей (NER)](https://broadrouter.com/ru/glossary/named-entity-recognition/)

Распознавание именованных сущностей (NER) — это задача найти в тексте имена и присвоить каждому тип, например «персона», «организация» или «место». Классические системы размечают каждый токен; у LLM вместо этого обычно просят вернуть список сущностей в JSON, который затем сверяют с исходным текстом.

[Контекстное окно (context window)](https://broadrouter.com/ru/glossary/context-window/)

Контекстное окно — это максимальное число токенов, с которым языковая модель может работать в одном запросе. В него входят промпт, история диалога, описания инструментов, изображения и сгенерированный ответ, включая токены рассуждений. Всё, что не помещается, приходится обрезать, сжимать в краткое изложение или делить на несколько запросов.

[Нормализация арабского текста (Arabic text normalization)](https://broadrouter.com/ru/glossary/arabic-text-normalization/)

Нормализация арабского текста — это шаг, который перед сопоставлением приводит варианты написания одного слова к единой форме: удаляет огласовки и татвиль, унифицирует формы алифа и часто заменяет ى на ي и ة на ه. Её применяют к поисковым ключам и при оценке, а не к тексту, который показывают.

[JSON mode (режим JSON)](https://broadrouter.com/ru/glossary/json-mode/)

JSON mode — это настройка API языковой модели (в OpenAI-совместимых API — response\_format {"type": "json\_object"}), которая делает ответ модели валидным, разбираемым JSON. В отличие от structured outputs с JSON Schema, она не гарантирует, какие ключи, типы и значения будут в объекте.

[JSON Schema (JSON-схема)](https://broadrouter.com/ru/glossary/json-schema/)

JSON Schema — это словарь, записанный на самом JSON, для описания и валидации структуры JSON-данных: типов, обязательных полей, допустимых значений и вложенности. Текущая версия — 2020-12. API языковых моделей используют его, чтобы задать параметры инструментов и точную форму структурированного вывода.

## Вопросы и ответы

### Может ли LLM распознавать именованные сущности в арабском тексте?

Да, но с проверками. Опубликованные результаты без примеров на потокенном арабском NER сильно отстают от дообученных моделей, поэтому проверяйте каждую сущность по исходному тексту и оценивайте модель на размеченной выборке своих данных, прежде чем на неё полагаться.

### Как сопоставлять арабские имена с огласовками и без них?

Нормализуйте обе стороны перед сравнением: удалите ташкиль (U+064B–U+065F), «кинжальный» алиф и татвиль, замените إ أ آ ٱ на ا и ى на ي, схлопните пробелы. Для показа храните исходный текст, нормализованную форму используйте только для сопоставления.

### Как перевести дату по хиджре в григорианскую на Python?

Используйте hijridate (ранее hijri-converter): Hijri(1445, 6, 15).to\_gregorian() возвращает 2023-12-28. Библиотека следует календарю Умм аль-Кура, поддерживает 1343–1500 г. х. и не предназначена для религиозных дат, определяемых по наблюдению луны.

### На каких арабских NER-датасетах можно тестировать?

ANERcorp (новости, около 150 000 токенов, четыре типа), AQMAR (74 000 токенов из Википедии), Wojood (около 550 000 токенов MSA и диалектов, 21 вложенный тип) и CANERCorpus (хадисы на классическом арабском, 20 типов). Проверьте лицензию каждого и сопоставьте их метки со своими.

### Должна ли модель переводить или транслитерировать имена?

Не на шаге извлечения. Просите точный фрагмент исходника, чтобы его можно было проверить. Если нужно латинское написание, добавьте отдельное поле и считайте его непроверенным.

## Читайте также

-   [JSON mode или json\_schema: надёжный структурированный вывод LLM](https://broadrouter.com/ru/blog/structured-output-json-schema/)
-   [Нормализация арабского текста для поиска и RAG: что менять, а что нет](https://broadrouter.com/ru/blog/arabic-text-normalization-search/)
-   [Арабизи и LLM: как работать с франко-арабским и цифрами 3 и 7](https://broadrouter.com/ru/blog/arabizi-llm-handling/)
-   [Классификация арабского текста с LLM: тональность, интенты, тикеты](https://broadrouter.com/ru/blog/arabic-text-classification-llm/)
-   [Промпт-инжиниринг для арабского: регистр, RTL, цифры и смешанный текст](https://broadrouter.com/ru/blog/arabic-prompt-engineering/)
-   [Как выбрать LLM API для арабского: что проверить](https://broadrouter.com/ru/blog/choosing-an-llm-for-arabic/)
-   [Проверка арабской орфографии и грамматики через LLM: руководство](https://broadrouter.com/ru/blog/arabic-grammar-spelling-correction-llm/)
-   [Огласовки в арабском тексте через LLM: промпт, проверка, DER](https://broadrouter.com/ru/blog/arabic-diacritization-llm/)
-   [Протокол арабской встречи по записи: конвейер на API](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/)
-   [Руководство: Как читать арабские счета и чеки vision-моделью](https://broadrouter.com/ru/guides/read-arabic-invoices-with-vision/)
-   [Руководство: OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Abdelali et al., LAraBench: Benchmarking Arabic AI with Large Language Models, EACL 2024, таблицы 1 и 5 (проверено 2026-11-15)](https://aclanthology.org/2024.eacl-long.30/)
-   [Jarrar, Khalilia и Ghanem, Wojood: Nested Arabic Named Entity Corpus and Recognition using BERT, LREC 2022 (проверено 2026-11-15)](https://aclanthology.org/2022.lrec-1.387/)
-   [Jarrar et al., WojoodNER 2023: The First Arabic Named Entity Recognition Shared Task, ArabicNLP 2023 (проверено 2026-11-15)](https://aclanthology.org/2023.arabicnlp-1.83/)
-   [CAMeL Lab, страница загрузки ANERcorp и разбиение на train/test (проверено 2026-11-15)](https://camel.abudhabi.nyu.edu/anercorp/)
-   [AlDuwais, Al-Khalifa и AlSalman, CLEANANERCorp: Identifying and Correcting Incorrect Labels in the ANERcorp Dataset, OSACT 2024 (проверено 2026-11-15)](https://aclanthology.org/2024.osact-1.2/)
-   [CMU ARK, AQMAR Arabic Wikipedia Named Entity Corpus: 74 000 токенов, 28 статей (проверено 2026-11-15)](https://www.cs.cmu.edu/~ark/ArabicNER/)
-   [Salah и Zakaria, репозиторий Classical Arabic Named Entity Recognition Corpus (CANERCorpus) (проверено 2026-11-15)](https://github.com/RamziSalah/Classical-Arabic-Named-Entity-Recognition-Corpus)
-   [hijridate на PyPI: конвертер по календарю Умм аль-Кура, ранее hijri-converter, 1343–1500 г. х. (проверено 2026-11-15)](https://pypi.org/project/hijridate/)
-   [Справочник API BroadNet Inference: модели со структурированным выводом, рассуждения и max\_tokens (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-named-entity-extraction-llm&utm_content=sources)
