---
title: "Arama ve RAG için Arapça metin normalleştirme | BroadRouter"
description: "Teşkil, elif biçimleri, tâ merbûta, hemze oturakları, Farsça harfler, rakamlar ve Unicode: hangi Arapça normalleştirme kuralı aramaya yarar, hangisi zarar verir."
url: https://broadrouter.com/tr/blog/arabic-text-normalization-search/
lang: tr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/blog/arabic-text-normalization-search/) (güncelleme: 2026-11-16).

# Arama ve RAG için Arapça metin normalleştirme: neyi değiştirmeli?

BroadNet Inference ekibi · 7 dk okuma · Yayımlandı 2026-11-15 · Güncellendi 2026-11-16

Arama ve RAG dizinleri için hem saklanan kopyayı hem de her sorguyu aynı şekilde normalleştirin: Unicode NFKC, teşkil ve tatvilin silinmesi, elif biçimlerinin birleştirilmesi, ى'nın ي'ye ve ة'nin ه'ye eşlenmesi, rakamların dönüştürülmesi. Gösterim ve LLM için orijinal metni saklayın. Hemze oturaklarını ve tâ merbûtayı ayarlanabilir tutun: bulma oranını artırırlar ama bazı farklı kelimeleri birleştirirler.

## Öne çıkanlar

-   Arama anahtarını normalleştirin, gösterdiğiniz ya da alıntıladığınız metni asla. Orijinali yanında saklayın.
-   TREC-2001 Arapça haber ajansı metinleri üzerindeki klasik bir çalışmada yalnızca normalleştirme ortalama kesinliği 0,194'ten 0,238'e çıkardı, üstüne hafif kök bulma (light stemming) eklenince 0,376'ya ulaştı.
-   Önce Unicode NFKC çalıştırın. Ayrıştırılmış hemzeyi birleştirir, sunum biçimlerini ve bitişik harfleri açar ve sonraki kuralları güvenilir kılar.
-   Kütüphaneler aynı fikirde değil. PyArabic'in normalize\_alef fonksiyonu ى'yı ا'ya eşler; CAMeL Tools ى'yı ي'ye eşler. Tek bir kural seti seçin ve her yerde onu kullanın.
-   Embedding araması için normalleştirilmiş ve ham girdiyi kendi sorgularınızda test edin. Normalleştirme kuralları anahtar kelime aramasında ölçüldü.

**Bu sayfada**

1.  Normalleştirme erişime gerçekten yardımcı olur mu?
2.  Neyi normalleştirmelisiniz ve her kuralın bedeli ne?
3.  Unicode normalleştirmesi neden önce gelmeli?
4.  Neyi normalleştirmemelisiniz?
5.  CAMeL Tools, PyArabic ve Lucene nasıl farklılaşıyor?
6.  Test edilmiş bir normalleştirici neye benzer?
7.  Normalleştirme embedding’lere ve RAG’a nasıl oturur?
8.  BroadNet Inference nerede devreye girer?

Arapça aynı kelimenin birkaç şekilde yazılmasına izin verir. Kullanıcı احمد yazar; belgede أَحْمَد geçer. Karakterleri birebir karşılaştıran bir arama dizini bu eşleşmeyi kaçırır; bir RAG hattının anahtar kelime yarısı da öyle. Normalleştirme, varyantları karşılaştırmadan önce tek bir biçime eşleyerek bunu düzeltir. Özensiz yapılırsa farklı anlamlara gelen kelimeleri de birleştirir. Bu yazı kural kural ilerliyor: her birinin ne yaptığı, ne zaman uygulanacağı, neyi bozduğu ve başlıca kütüphanelerin nasıl farklılaştığı. Sonunda test edilmiş Python kodu var.

Arapça RAG hattının tamamı (parçalama, hibrit arama, kaynak gösteren yanıtlar) için bkz. [işe yarayan Arapça RAG](https://broadrouter.com/tr/blog/arabic-rag-search/). Bu yazı normalleştirme adımına daha derinlemesine iniyor.

## Normalleştirme erişime gerçekten yardımcı olur mu?

Evet, anahtar kelime araması için; kanıt eski ama net. Larkey, Ballesteros ve Connell (SIGIR 2002), Arapça erişimi TREC-2001 haber ajansı koleksiyonunda test etti. Kök bulmadan önce derlemi ve sorguları normalleştirdiler: harekeleri ve noktalamayı sildiler, elif biçimlerini birleştirdiler, kelime sonundaki ى ve ة’yi eşlediler. Genişletilmemiş sorgularla tek dilli sonuçları:

| İşleme | Ortalama kesinlik | Ham metne göre değişim (yuvarlanmış rakamlardan) |
| --- | --- | --- |
| Ham metin | 0,194 | — |
| Normalleştirilmiş | 0,238 | +%22,7 |
| Normalleştirilmiş + hafif kök bulma (light8) | 0,376 | +%93,8 |

İki uyarı. Bu, haberler üzerinde 2002 tarihli anahtar kelime erişimi; embedding araması değil. En büyük kazanım ise normalleştirmeden ayrı bir adım olan hafif kök bulmadan (و ve ال gibi önekleri ve yaygın sonekleri silmek) geldi. Lucene’in `ArabicAnalyzer`’ı ve Elasticsearch’ün `arabic` analizörü ikisini de uygular: önce bir normalleştirici, sonra hafif bir kök bulucu.

## Neyi normalleştirmelisiniz ve her kuralın bedeli ne?

| Kural | Örnek | Arama dizini | Risk |
| --- | --- | --- | --- |
| Unicode NFKC | ﻻ → لا, ا + ٔ → أ | Evet, her zaman ilk adım | Diğer yazı sistemlerindeki uyumluluk karakterlerini de yeniden yazar |
| Görünmez işaretleri silme | sıfır genişlikli birleştiriciler, RLM/LRM, BOM | Evet | Arapça için yok; ZWNJ Farsçada önemli |
| Teşkili silme | أَحْمَدُ → أحمد | Evet | Yalnızca ünlülerle ayırt edilen kelimeleri birleştirir |
| Tatvili (ـ) silme | الـــمدينة → المدينة | Evet | Yok |
| Elifi birleştirme | أ إ آ ٱ → ا | Evet | Birkaç çifti birleştirir: سأل (sordu) ve سال (aktı) |
| Elif maksûre | ى → ي | Genellikle | على (üzerinde) ile علي (Ali) birleşir |
| Tâ merbûta | ة → ه | Genellikle | كتابة (yazı) ile كتابه (onun kitabı) birleşir |
| Hemze oturakları | ؤ ئ → ء | İsteğe bağlı | مسؤول ile مسئول birleşir (iyi), ama bazı farklı kelimeler de |
| Farsça harfler | ی → ي, ک → ك | Evet, kullanıcılarda Farsça klavye varsa | Arapça metin için yok |
| Rakamlar | ٢٠٢٦ ve ۲۰۲۶ → 2026 | Evet | Yok; gösterim için orijinali tutun |

İlk sütun dizin anahtarı ve sorgu içindir. Sakladığınız, gösterdiğiniz ve modele verdiğiniz metin yazıldığı gibi kalır.

## Unicode normalleştirmesi neden önce gelmeli?

Aynı görünen harf farklı biçimlerde saklanabilir. أ tek bir kod noktası (U+0623) ya da yalın elif ve ardından birleşen bir hemze (U+0627 U+0654) olabilir. Eski PDF’ler ve bazı klavyeler, tek karakterlik lam-elif ﻻ gibi Arapça sunum biçimleri (U+FB50 ile U+FEFF arası) üretir. [Unicode normalleştirmesinde](https://unicode.org/reports/tr15/) NFC hemzeyi elifin üzerine birleştirir, NFKC ise ayrıca sunum biçimlerini ve bitişik harfleri açar. Python’da `unicodedata.normalize("NFKC", "ﻻ")` لا döndürür ve `ﷲ` الله olur.

Bunu her şeyden önce çalıştırın. Aksi hâlde أ’yı değiştiren bir düzenli ifade ayrıştırılmış biçimi kaçırır. İkinci bir tuzak daha var: CAMeL Tools’un `dediac_ar` fonksiyonu kendi `AR_DIAC_CHARSET` kümesindeki karakterleri (U+064B ile U+0652 arası ve U+0670) siler. Bu küme birleşen hemze ve medde işaretlerini (U+0653 ile U+0655 arası) dışarıda bırakır; bu yüzden ayrıştırılmış metinde bunlar hareke silmeden sağ çıkar. NFKC onları önce birleştirir.

NFKC bir uyumluluk eşlemesidir. Arapça dışındaki karakterleri de değiştirir, örneğin tam genişlikli Latin harflerini. Bir arama anahtarında genellikle istediğiniz budur; orijinali yanında tutmanız için de bir neden daha.

## Neyi normalleştirmemelisiniz?

-   **Gösterdiğiniz, kaynak gösterdiğiniz ya da alıntıladığınız metni.** Normalleştirilmiş Arapça yanlış yazılmış gibi görünür (المدينه). Orijinali anahtarın yanında saklayın.
-   **LLM’e gönderdiğinizi.** Modeller hemzeyi ve teşkili sorunsuz okur; birebir metin adları ve alıntıları doğru tutar. Teşkili silmek biraz token kazandırır; doğruluktan taviz vermeden önce ne kadar kazandırdığını [Arapça token sayacıyla](https://broadrouter.com/tools/arabic-token-counter/) kontrol edin.
-   **İşaretlerin anlam taşıdığı metni:** Kur’an, hadis, şiir, çocuk kitapları, telaffuz ve hareke ekleme görevleri (bkz. [LLM ile hareke ekleme](https://broadrouter.com/tr/blog/arabic-diacritization-llm/)).
-   **Yazım ya da dil bilgisi düzeltmesini:** önce normalleştirmek, düzeltmek istediğiniz hemze ve tâ merbûta hatalarını siler; bkz. [LLM ile Arapça dil bilgisi ve yazım düzeltme](https://broadrouter.com/tr/blog/arabic-grammar-spelling-correction-llm/).
-   **Tanımlayıcıları.** Ürün kodları, e-postalar, URL’ler ve Latin harfli metin Arapça kurallardan geçmemeli. Normalleştirmeyi yalnızca Arap harfli alanlara ya da yalnızca Arapça token’lara uygulayın.
-   **İnsanların birebir aradığı alanları.** Resmî adlar ya da kimlik benzeri alanlar için ham bir kopyayı da dizinleyin; böylece birebir eşleşme yine en üstte çıkabilir.

## CAMeL Tools, PyArabic ve Lucene nasıl farklılaşıyor?

Aynı kuralları uygulamıyorlar; bunları karıştırmak hiçbir zaman eşleşmeyen bir dizin ve sorgular üretir. Her kütüphanenin dokümantasyonunu ve kaynak kodunu okuduk ve PyArabic 0.6.15’i çalıştırdık:

| Fonksiyon | Gerçekte ne yapıyor |
| --- | --- |
| CAMeL `normalize_unicode` | NFKC (ya da `compatibility=False` ile NFC); ayrıca ﷼‘yi ريال’e, ﷽‘yi tam ifadesine açar |
| CAMeL `normalize_alef_ar` | إ أ ٱ آ → ا |
| CAMeL `normalize_alef_maksura_ar` | ى → ي |
| CAMeL `normalize_teh_marbuta_ar` | ة → ه |
| CAMeL `dediac_ar` | U+064B ile U+0652 arasını ve U+0670’i siler; tatvili bırakır |
| PyArabic `strip_tashkeel` | Şedde dahil tüm harekeleri siler |
| PyArabic `strip_tatweel` | ـ’yi siler |
| PyArabic `normalize_alef` | Her elif biçimini **ve ى’yı** → ا yapar; böylece إلى, الا olur |
| PyArabic `normalize_hamza` | Varsayılan yöntem أ dahil her hemze biçimini ء’ya eşler; böylece أحمد, ءحمد olur |
| Lucene `ArabicNormalizer` | Elif üzerindeki hemzeli biçimler → ا, ة → ه, ى → ي, harekeleri ve tatvili siler |

PyArabic satırları insanları şaşırtıyor. `normalize_alef` fonksiyonunun docstring’i elif maksûrenin bir istisna olduğunu söylüyor, ama 0.6.15’te `ALEFAT` kümesi ى’yı içeriyor ve fonksiyon onu ا’ya eşliyor. `normalize_hamza` ise genel arama için değil, hemzeden bağımsız eşleştirme için yapılmış. Sıra da önemli: önce elif normalleştirmesini çalıştırırsanız `normalize_hamza` yalnızca ؤ, ئ ve ء’ya dokunur; böylece مسؤول ve مسئول ikisi de مسءول olur. `tasheel` yöntemi ise bunun yerine birbiriyle eşleşmeyen مسوول ve مسيول verir.

Elasticsearch’ün `arabic_normalization` filtresi Lucene normalleştiricisini kullanır; bu yüzden bir Elasticsearch diziniyle eşleşmesi gereken bir Python hattı Lucene’in kurallarını birebir kopyalamalıdır. Bu, ى → ا değil, ى → ي demektir.

## Test edilmiş bir normalleştirici neye benzer?

Bu fonksiyon Lucene’in tercihlerini izler, Unicode, rakam ve Farsça harf işlemeyi ekler ve riskli kuralları açılıp kapatılabilir yapar. Yalnızca standart kütüphaneyi kullanır.

```python
import re
import unicodedata

DIACRITICS = re.compile("[ً-ٰٟ]")  # tashkeel, extra marks, superscript alef
INVISIBLE = re.compile("[​-‏‪-‮⁦-⁩﻿]")  # zero-width, bidi
ALEF = re.compile("[آأإٱ]")    # آ أ إ ٱ -> ا
DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "0123456789" * 2)
FARSI = str.maketrans({"ی": "ي", "ک": "ك"})  # ی -> ي, ک -> ك

def normalize(text, *, alef=True, alef_maksura=True, ta_marbuta=True,
              hamza_seats=False, digits=True):
    text = unicodedata.normalize("NFKC", text)     # compose marks, unpack ligatures
    text = INVISIBLE.sub("", text)
    text = DIACRITICS.sub("", text).replace("ـ", "")   # tashkeel, tatweel
    text = text.translate(FARSI)
    if alef:
        text = ALEF.sub("ا", text)
    if alef_maksura:
        text = text.replace("ى", "ي")    # ى -> ي
    if ta_marbuta:
        text = text.replace("ة", "ه")    # ة -> ه
    if hamza_seats:
        text = re.sub("[ؤئ]", "ء", text)  # ؤ ئ -> ء
    if digits:
        text = text.translate(DIGITS)
    return text
```

Test dizgilerimizde döndürdükleri:

| Girdi | Çıktı | Not |
| --- | --- | --- |
| أَحْمَدُ | احمد | Teşkil ve hemze gitti |
| الـــمدينة | المدينه | Tatvil ve tâ merbûta |
| إلى | الي | Elif ve elif maksûre |
| ا + U+0654 + مل | امل | Ayrıştırılmış hemze tek karaktere birleşti, sonra elif yalınlaştırıldı |
| ﻻبد | لابد | Sunum biçimi açıldı |
| ٢٠٢٦ / ۱۴۰۵ | 2026 / 1405 | Arap-Hint ve Farsça rakamlar |
| مسؤول / مسئول | `hamza_seats=True` ile ikisi de مسءول | Varsayılanda değişmez |
| فارسی | فارسي | Farsça yâ |

Bunu iki yerde kullanın: dizin anahtarını oluştururken ve bir sorguyu okurken. `original` ve `normalize(original)` değerlerini yan yana saklayın, ikincisinde arayın, birincisini döndürün. Ücretsiz [Arapça metin normalleştirici](https://broadrouter.com/tools/arabic-text-normalizer/), ayarlarınızı seçmeden önce metin yapıştırıp her kuralın etkisini görmenizi sağlar.

## Normalleştirme embedding’lere ve RAG’a nasıl oturur?

Bir RAG hattında genellikle iki erişici bulunur: anahtar kelime araması (BM25) ve [embedding’ler](https://broadrouter.com/tr/glossary/embeddings/). Normalleştirme anahtar kelime tarafına açıkça yardımcı olur. Embedding tarafında yukarıdaki kanıt geçerli değil: embedding modelleri ham metinle eğitilir ve çoğu احمد ile أحمد’i zaten birbirine yakın yerleştirir. Embedding’den önce normalleştirmek yardımcı olabilir, hiçbir şey değiştirmeyebilir ya da zarar verebilir. Yanıtı bilinen 50 ila 100 gerçek sorgu oluşturun, bunları ham ve normalleştirilmiş girdiyle çalıştırın ve hangisi daha çok buluyorsa onu tutun. Hangisini seçerseniz seçin, belgelere ve sorgulara birebir aynı şekilde uygulayın.

Normalleştirme token sayısını da biraz düşürür, çünkü harekeler ve tatvil [tokenizer](https://broadrouter.com/tr/glossary/tokenizer/) için ek karakterlerdir. Ölçülmüş oranlar [tokenizer verimliliği veri setinde](https://broadrouter.com/data/tokenizer-efficiency/) ve [Arapçada kelime başına token](https://broadrouter.com/tr/blog/tokens-per-word-arabic-english/) yazısında. Aynı normalleştirme konuşma tanımayı adil puanlamak için de kullanılır; bkz. [Arapça WER’in açıklaması](https://broadrouter.com/tr/blog/arabic-asr-wer-explained/).

Arabizi (Latin harfleriyle Arapça) bambaşka bir yaklaşım ister: [LLM’ler Arabizi’yi nasıl ele alıyor](https://broadrouter.com/tr/blog/arabizi-llm-handling/).

## BroadNet Inference nerede devreye girer?

Normalleştirme kendi kodunuzda çalışır; bunun için API gerekmez. BroadNet Inference erişimden sonra devreye girer. Embedding satmıyor; bu yüzden seçtiğiniz bir erişiciyi ve embedding sağlayıcısını, yanıt adımı için bir BroadNet sohbet modeliyle eşleştirin. [GLM 5.3](https://broadrouter.com/tr/models/glm-5.3/) ve DeepSeek V4.1 Flash 1.048.576 token bağlam alır; böylece erişilen birçok pasajı orijinal, normalleştirilmemiş Arapçalarıyla gönderebilirsiniz. Arapça kalitesine göre model seçimi için bkz. [Arapça için LLM seçimi](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/). Yalnızca anahtar kelime aramasına ihtiyacınız varsa Elasticsearch’ün yerleşik `arabic` analizörü yeterli olabilir.

Bu konu için ücretsiz araçlar (İngilizce)

-   [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.

[Ücretsiz araçlar (İngilizce)](https://broadrouter.com/tools/)

## Bu yazıdaki terimler

[Embedding (gömme vektörü)](https://broadrouter.com/tr/glossary/embeddings/)

Embedding'ler (gömme vektörleri), bir modelin bir metin parçasını, görseli veya başka bir girdiyi temsil etmek için ürettiği kayan noktalı sayı listeleridir (vektörler). Anlamca benzer girdiler birbirine yakın vektörler alır; bu yüzden vektörler arasındaki mesafe arama sonuçlarını sıralamak, belgeleri kümelemek veya ilgili öğeleri bulmak için kullanılabilir.

[Hemze (hamza)](https://broadrouter.com/tr/glossary/hamza/)

Hemze (ء), Arapçada gırtlak durmasını gösteren harftir. Tek başına ya da bir taşıyıcı üzerinde yazılır: elif (أ إ), vav (ؤ) veya ye (ئ); آ ise elifi medde ile birleştirir. Klavyeyle yazılan metin bu konuda tutarsız olduğundan, arama motorları ve konuşma puanlaması elif biçimlerini çoğu zaman ا harfine indirger.

[Token](https://broadrouter.com/tr/glossary/token/)

Token, bir dil modelinin okuduğu ve yazdığı metin birimidir: modelin tokenizer'ının ürettiği bir kelime, kelime parçası, noktalama işareti veya bayt dizisi. LLM API'leri kullanımı token cinsinden sayar, sınırlar ve genellikle faturalandırır.

[Unicode normalizasyonu (Unicode normalization)](https://broadrouter.com/tr/glossary/unicode-normalization/)

Unicode normalizasyonu, aynı görünen dizelerin aynı kod noktalarını kullanması için metni standart bir biçime dönüştürür. Dört biçim NFD, NFC, NFKD ve NFKC'dir; K biçimleri ayrıca Arapça sunum biçimleri ve bitişik harfler (ligatür) gibi uyumluluk karakterlerini sıradan harflere katlar.

[Tokenizer](https://broadrouter.com/tr/glossary/tokenizer/)

Tokenizer, metni bir dil modelinin okuduğu tam sayı token kimlikleri dizisine dönüştüren ve üretilen kimlikleri tekrar metne çeviren bileşendir. Her model kendi tokenizer'ıyla gelir; bu yüzden aynı metin farklı modellerde farklı sayıda token üretebilir.

[Araç çağırma (tool calling)](https://broadrouter.com/tr/glossary/tool-calling/)

Araç çağırma (tool calling), fonksiyon çağırma (function calling) olarak da bilinir; modelin, geliştiricinin tanımladığı bir fonksiyonu çalıştırmak için JSON argümanlı yapılandırılmış bir istek döndürdüğü bir LLM API özelliğidir. Fonksiyonu uygulama çalıştırır ve sonucu geri gönderir; model hiçbir zaman kodu kendisi çalıştırmaz.

[Arabizi (Franco-Arabic)](https://broadrouter.com/tr/glossary/arabizi/)

Arabizi, Latin harfleriyle gayriresmî yazılan Arapçadır; Latin karşılığı olmayan Arapça sesler için ع yerine 3 gibi rakamlar kullanır. Sohbette ve sosyal medyada yaygındır, çoğunlukla lehçelidir, standart bir yazımı yoktur ve sık sık İngilizce veya Fransızcayla karışır.

[BM25](https://broadrouter.com/tr/glossary/bm25/)

BM25 (Okapi BM25), anahtar kelime araması için bir sıralama fonksiyonudur; bir belgeyi sorgu terimlerinin içinde ne sıklıkla geçtiğine, bu terimlerin koleksiyonda ne kadar nadir olduğuna ve belgenin uzunluğuna göre puanlar. Lucene ve Elasticsearch'te varsayılan benzerlik fonksiyonudur.

## Sık sorulan sorular

### Arapça metni dizinlemeden önce teşkili (harekeleri) silmeli miyim?

Arama için evet: sorguların ve modern metinlerin çoğunda hareke yoktur; aksi hâlde harekeli belgeler eşleşmez. Harekeleri dizin anahtarından ve sorgudan silin, gösterim için orijinal metni tutun; anlam taşıdıkları Kur'an, şiir veya telaffuz görevlerinde ise onları koruyun.

### Tâ merbûta (ة), hâ'ya (ه) normalleştirilmeli mi?

Arama için genellikle evet, çünkü birçok kişi kelime sonunda ه yazar. Ancak bu, كتابة (yazı) ile كتابه (onun kitabı) gibi bazı çiftleri birleştirir. Bu çakışmalar alanınızda önemliyse ة'yi koruyun ve iki ayarı da test edin.

### Elasticsearch'te Arapça normalleştirme ne yapar?

arabic\_normalization token filtresi Lucene'in ArabicNormalizer'ını kullanır: elif üzerindeki hemzeli biçimleri yalın elife, tâ merbûtayı hâ'ya, elif maksûreyi yâ'ya çevirir, harekeleri ve tatvili siler. Yerleşik arabic analizörü buna durak kelimeleri ve bitişik harf-i tarifleri, bağlaçları, edatları ve yaygın sonekleri silen bir kök bulucu ekler.

### Arapçayı normalleştirmek embedding aramasına yardımcı olur mu?

Bu kanıtlanmış değil. Ölçülmüş kazanımlar anahtar kelime erişiminden geliyor. Embedding modelleri ham metinden öğrenir ve çoğu zaman yazım varyantlarıyla başa çıkar; bu yüzden karar vermeden önce gerçek sorgulardan küçük bir set kurun ve bulma oranını normalleştirmeyle ve normalleştirme olmadan karşılaştırın.

### Arapça metni bir LLM'e göndermeden önce normalleştirmeli miyim?

Genellikle hayır. Alıntılar, adlar ve kaynak gösterimleri birebir kalsın diye orijinal metni gönderin. Teşkili silmek biraz token kazandırır, ama bunu yalnızca görev işaretlere ihtiyaç duymuyorsa yapın.

## Okumaya devam edin

-   [Arapça RAG: işe yarayan normalleştirme, parçalama ve erişim](https://broadrouter.com/tr/blog/arabic-rag-search/)
-   [Arapça ve İngilizcede kelime başına token: Arapça neden pahalı?](https://broadrouter.com/tr/blog/tokens-per-word-arabic-english/)
-   [Arapça ASR için kelime hata oranı (WER) nedir?](https://broadrouter.com/tr/blog/arabic-asr-wer-explained/)
-   [Arabizi ve LLM'ler: 3 ve 7 gibi rakamlarla Franko-Arapça](https://broadrouter.com/tr/blog/arabizi-llm-handling/)
-   [Arapça için LLM API seçimi: neler test edilmeli?](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/)
-   [LLM ile Arapça varlık çıkarımı: JSON, tarihler ve denetimler](https://broadrouter.com/tr/blog/arabic-named-entity-extraction-llm/)
-   [LLM ile Arapça metne hareke ekleme: istem, kontrol, DER](https://broadrouter.com/tr/blog/arabic-diacritization-llm/)
-   [LLM ile Arapça dil bilgisi ve yazım düzeltme: adım adım](https://broadrouter.com/tr/blog/arabic-grammar-spelling-correction-llm/)
-   [Kayıtlardan Arapça toplantı tutanağı: bir API hattı](https://broadrouter.com/tr/blog/arabic-meeting-minutes-from-recordings/)
-   [Arapça OCR API karşılaştırması: Google, Azure, Textract, Mistral, LLM](https://broadrouter.com/tr/blog/arabic-ocr-api-comparison/)
-   [Rehber: OpenAI Python SDK'yı BroadNet Inference ile kullanın](https://broadrouter.com/tr/guides/openai-python-sdk/)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-text-normalization-search&utm_content=page-cta) ·

**Kaynaklar**

-   [Larkey, Ballesteros ve Connell, Improving Stemming for Arabic Information Retrieval: Light Stemming and Co-occurrence Analysis, SIGIR 2002 (kontrol tarihi 2026-11-15)](https://ciir.cs.umass.edu/pubfiles/ir-249.pdf)
-   [CAMeL Tools 1.6.0 dokümantasyonu, camel\_tools.utils.normalize (kontrol tarihi 2026-11-15)](https://camel-tools.readthedocs.io/en/latest/api/utils/normalize.html)
-   [CAMeL Tools kaynak kodu, charsets.py: dediac\_ar'ın kullandığı AR\_DIAC\_CHARSET (kontrol tarihi 2026-11-15)](https://github.com/CAMeL-Lab/camel_tools/blob/master/camel_tools/utils/charsets.py)
-   [GitHub'da PyArabic 0.6.15, araby modülü (kontrol tarihi 2026-11-15)](https://github.com/linuxscout/pyarabic)
-   [Apache Lucene 9.12 ArabicNormalizer dokümantasyonu (kontrol tarihi 2026-11-15)](https://lucene.apache.org/core/9_12_0/analysis/common/org/apache/lucene/analysis/ar/ArabicNormalizer.html)
-   [Elasticsearch normalleştirme token filtreleri: arabic\_normalization (kontrol tarihi 2026-11-15)](https://www.elastic.co/docs/reference/text-analysis/analysis-normalization-tokenfilter)
-   [Unicode Standard Annex #15, Unicode Normalization Forms (kontrol tarihi 2026-11-15)](https://unicode.org/reports/tr15/)
-   [Unicode Arapça kod tablosu, U+0600 ile U+06FF arası (kontrol tarihi 2026-11-15)](https://www.unicode.org/charts/PDF/U0600.pdf)
