A Framework Based on Crowdsourcing for an Analytical Investigation of Qur’anic Concepts Using Natural Language Processing: Solutions and Limitations
Article Type:
Research
Writers:
✍️ Saeid Abasinia
/ Assistant Professor at the Department of Islamic Theology and Teachings, The Qur’an and Hadith Sciences, Islamic Azad University, West Tehran Branch, Tehran, Iran / dr.abasinya@iau.ir
/ Assistant Professor at the Department of Islamic Theology and Teachings, The Qur’an and Hadith Sciences, Islamic Azad University, West Tehran Branch, Tehran, Iran / dr.abasinya@iau.irAbstract:
The application of Natural Language Processing (NLP) techniques to illustrate the concepts and meanings of the Qur’anic texts not only helps the researchers of Qur’anic studies to present comprehensive analyses for conveying the authentic messages of this divine text, but also significantly makes a cultural and scientific contribution to a deeper understanding and development of Islamic and spiritual knowledge and values in society. Aiming at connecting the two important fields of "Qur’anic Sciences" and "Natural Language Processing" for an in-depth analysis of the concepts and meanings of the Qur’an, this paper presents a strategic framework based on crowdsourcing. The proposed strategic framework provides solutions for semantic analysis of the Qur’anic text to understand deeper meanings and semantic relationships of its various components using advanced techniques of NLP. It also enables us to examine the differences and similarities in meaning and identify patterns and semantic connections in the Qur’an, which leads to the strategic development of religious theories and interpretation and helps to advance knowledge and education in the fields of philosophy and religion. To measure the efficiency and soundness of machine approaches to the Holy Qur’an, several key evaluation criteria and indicators that facilitate the analysis and comparison of results derived from NLP-based solutions are introduced in this paper.
چکیده و کلیدواژه فارسی (Persian)
Title :ارائة چهارچوبی مبتنی‌بر جمع‌سپاری برای واکاوی تحلیلی مفاهیم قرآنی با استفاده از پردازش زبان طبیعی: راهکار تا محدودیت‌ها
Abstract:
استفاده از فنون پردازش زبان طبیعی (NLP) برای تجسم مفاهیم و معانی متن قرآن، نه‌تنها به پژوهشگران حوزة علوم قرآنی کمک می‌کند تا تحلیل‌های قدرتمندتری برای انتقال مفاهیم اصیل این متن الهی ارائه دهند، بلکه از نظر فرهنگی و علمی به فهم عمیق‌تر و توسعة دانش و ارزش‌های اسلامی و معنوی جامعه کمک قابل توجهی می‌کند. این پژوهش یک چهارچوب راهبردی مبتنی‌بر جمع‌سپاری به‌منظور ارتباط میان دو حوزة مهم «علوم قرآنی» و «پردازش زبان طبیعی» برای تحلیل عمیق مفاهیم و معانی قرآن ارائه می‌دهد. چهارچوب راهبردی پیشنهادی، راهکار تحلیل معنایی متن قرآن برای استخراج مفاهیم و معانی عمیق‌تر و ارتباطات معنایی بین عناصر مختلف آن را با استفاده از روش‌های پیشرفتة NLP ارائه می‌کند و قابلیتی را برای بررسی تفاوت‌ها و تطابق‌های معانی و شناسایی الگوها و ارتباطات معنایی در قرآن فراهم می‌آورد که به توسعة راهبردی نظریه‌های دینی و تفسیر منجر می‌شود و به ارتقای دانش و آموزش در زمینه‌های فلسفه و دین کمک می‌کند. برای ارزیابی و سنجش کارایی و صحت عملکرد رویکرد‌های ماشینی قرآن کریم چند معیار و شاخص کلیدی ارزیابی معرفی می‌کنیم که امکان تحلیل و مقایسة نتایج راهکارهای مبتنی‌بر NLP را فراهم می‌کنند.
References:
- آذری، سلمان، شکرالهی‌فر، محمود و فشارکی، محمدعلی لسانی (1399). الگوپردازی مفهوم‌یابی از آیات قرآن کریم با استفاده از دانش متن‌کاوی رایانشی. ذهن، 21(82)، 81ـ108.
- ایازی، محمدعلی (1389). نگاهی به معجم‌های موضوعی قرآن کریم. بینات، 2، 33ـ127.
- بهجت‌پور، عبدالکریم (2014م). روش کشف الگوی اسلامی مهندسی فرهنگی. فصلنامة علمی پژوهشی راهبرد فرهنگ، 7(27)، 91ـ118.
- صوفی، محسن، علی‌احمدی، علیرضا، احمدی، حسین‌علی و مینایی، بهروز (1394). خوشه‌بندی سوره‌های قرآن با تکنیک‌های داده‌کاوی. علوم قرآن و حدیث، 26(153)، 56ـ62.
- فریادرس، زینب (2015م). گزارشی توصیفی از چهار معجم موضوعی قرآن. آینة پژوهش، 26، 56ـ62.
- یزدان‌پرستی، عالیه و اسماعیلی، مهدی (1394). مروری بر انواع روش‌های داده‌کاوی و متن‌کاوی روی قرآن مقدس. در: دومین کنفرانس ملی مهندسی برق و کامپیوتر سیستم‌های توزیع‌شده و شبکه‌های هوشمند.
References:
- Arief Fatchul, Huda, Huda Arief Fatchul, Fauziah None, Fauziah, Ratnawulan Elis, Ratnawulan Elis, Gumelar Dian Rachmat, and Gumelar Dian Rachmat (2021). Arabic Part Of Speech (POS) Tagging Analysis using Bee Colony Optimization (BCO) Algorithm on Quran Corpus. 7th International Conference on Wireless and Telematics (ICWT).
- Aslani, Akram and Mahdi Esmaeili (2018). Finding Frequent Patterns in Holy Quran UsingText Mining. Signal and Data Processing, (15), 89-100.
- Auhood, Alfaries, Alfaries Auhood, Al-Bahlal Manal, Al-Bahlal Manal, Almazrua Manal, Almazrua Manal, Almazrua Amal, and Almazrua Amal (2013). A Rule-Based Annotation System to Extract Tajweed Rules from Quran. Taibah University International Conference on Advances in Information Technology for the Holy Quran and Its Sciences.
- Bana, Alsharif, R. Tahboub, and L. Arafeh (2016). Arabic text to speech synthesis using Quran-based natural language processing module. Journal of Theoretical and Applied Information Technology, 83(1),148
- Damith, Premasiri, Ranasinghe Tharindu, W. Zaghouani, and R. Mitkov (2022). DTW at Quran QA 2022: Utilising Transfer Learning with Transformers for Question Answering in a Low-resource Domain, OSACT.
- Dardya, Putra, D. I. A. Putra, Yusuf Muhammad, Yusuf Mohd Ali Mohd, M. Yusuf, and M. Yusuf (2021). Proposing machine learning of Tafsir al-Quran: In search of objectivity with semantic analysis and Natural Language Processing, IOP Conference Series: Materials Science and Engineering.
- Ehsan, Khadangi, Khadangi Ehsan, Khadangi Ehsan, Fazeli Mohammad Moein, Fazeli Mohammad Moein, Shahmohammadi Amin, and Shahmohammadi Amin (2018). The Study on Quranic Surahs Topic Sameness Using NLP Techniques, International Conference on Computer and Knowledge Engineering.
- Ensaf Hussein, Mohamed, Mohamed Ensaf Hussein, H. El-Behaidy Wessam, and H. El-Behaidy Wessam (2021). An Ensemble Multi-label Themes-Based Classification for Holy Quran Verses Using Word2Vec Embedding, Arabian Journal for Science and Engineering.
- Hupkes, Dieuwke, Mario Giulianelli, Verna Dankers, Mikel Artetxe, Yanai Elazar, Tiago Pimentel, Christos Christodoulopoulos, Karim Lasri, Naomi Saphra, and Arabella Sinclair (2023). A taxonomy and review of generalization research in NLP. Nature Machine Intelligence, (5), 1161-74.
- Khadangi, Ehsan, Mohammad Moein Fazeli, and Mehdi Naghavi (2022). The Study on Quranic surahs Structured-ness and their Order Organization Using NLP Techniques, Journal of Interdisciplinary Quranic Studies (JIQS), 1.
- Mohamed Osman, Hegazi, Hegazi Mohamed Osman, Hilal Anwer Mustafa, Hilal Anwer, Alhawarat Mohammad, and Alhawarat Mohammad (2015). Fine-Grained Quran Dataset, International Journal of Advanced Computer Science and Applications.
- Mohammad, Alhawarat, and Alhawarat Mohammad (2015). Extracting Topics from the Holy Quran Using Generative Models, International Journal of Advanced Computer Science and Applications.
- Muhammad Huzaifa, Bashir, M. Azmi Aqil, Nawaz Haq, Zaghouani Wajdi, Diab Mona, Al‐Fuqaha Ala, and Qadir Junaid (2023). Author Correction: Arabic natural language processing for Quranic research: a systematic review, Artificial Intelligence Review.
- Nima, A. Al-Fakhry, and Al-Fakhry Nima (2020). The Linguistic Connotations of the Word Light in the Holy Quran (An analytical study of Quranic verses using Artificial intelligent techniques), Al-Rafidain Journal of Computer Sciences and Mathematics.
- Patil, Rajvardhan, Sorio Boit, Venkat Gudivada, and Jagadeesh Nandigam (2023). A survey of text representation and embedding techniques in nlp, IEEE Access.
- Shasha Arzila, Tarmizi, and Saad Saidah (2022). NAMED ENTITY RECOGNITION FOR QURANIC TEXT USING RULE BASED APPROACHES, Asia-Pacific Journal of Information Technology and Multimedia.
- Syamsu, Nahar, Daulay Nurul Sakinah, and M. Nazri (2023). Optimalisasi Menghafal Al-Quran: Penerapan Metode Neuro Linguistic Programming (NLP) di Pesantren Islamic Centre Sumut, Fikrotuna: Jurnal Pendidikan dan Manajemen Islam.
- Yasser, Shohoud and Shoman Maged (2023). Quranic Conversations: Developing a Semantic Search tool for the Quran using Arabic NLP Techniques, arXiv.org.
- Zineb, Touati-Hamad, Touati-Hamad Zineb, Laouar Mohamed Ridda, Laouar Mohamed Ridda, Bendib Issam, and Bendib Issam (2020). Quran content representation in NLP, International Conference on Information and Software Technologies.
- Zineb, Touati-Hamad, Laouar Mohamed Ridda, Bendib Issam, and Hakak Saqib (2022). Arabic Quran Verses Authentication Using Deep Learning and Word Embeddings, ˜The œinternational Arab journal of information technology.
Cite this article:
RIS
Mendeley
BibTeX
APA
MLA
HARVARD
VANCOUVER
Abasinia, Saeid.(2025) A Framework Based on Crowdsourcing for an Analytical Investigation of Qur’anic Concepts Using Natural Language Processing: Solutions and Limitations. ًQur'an Shinakht, 17(2), 7-24 https://doi.org/10.22034/qoranshenakht.2025.5001153
Saeid Abasinia."A Framework Based on Crowdsourcing for an Analytical Investigation of Qur’anic Concepts Using Natural Language Processing: Solutions and Limitations". ًQur'an Shinakht, 17, 2, 2025, 7-24
Abasinia, S.(2025) 'A Framework Based on Crowdsourcing for an Analytical Investigation of Qur’anic Concepts Using Natural Language Processing: Solutions and Limitations', ًQur'an Shinakht, 17(2), pp. 7-24
