Advancing Quranic Semantics: BERT-Based Verse Relationship Classification
Rattachement africain : Égypte. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Classification of semantic relationships between Quran verses supports Islamic scholarship, yet Arabic’s complexity challenges traditional methods. Machine learning (ML) models achieve up to 80.65% F1, deep learning (DL) models reach 80.74% F1, and BERT-based models—AraBERT, QARiB, Quran BERT—demonstrate superior performance, with Quran BERT (6 epochs) attaining 94.0% F1 and 94.1% accuracy. Specialized preprocessing and contextual embeddings drive BERT’s success, enabling applications in digital Tafsir and thematic analysis.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Advancing Quranic Semantics: BERT-Based Verse Relationship Classification
- Date Crossref
- 12/07/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
October University of Modern Sciences and Arts Égypte (code pays fourni par la source)Université ou école supérieure
-
Beni-Suef University Beni-Suef University, Égypte (code pays fourni par la source)Université ou école supérieure
-
MSA University Cairo, Égypte (pays nommé en fin d’affiliation)Université ou école supérieure
October University of Modern Sciences and Arts (Égypte), Beni-Suef University (Beni-Suef University, Égypte) et MSA University (Cairo, Égypte). Pays d’affiliation : Égypte.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.