Rezwan: Leveraging Large Language Models for Comprehensive Hadith Text Processing: A 1.2M

该文章核心是开发了Rezwan（文中部分表述为Najm）圣训语料库，通过大语言模型（LLMs）构建全自动处理流程，实现120多万条圣训的提取、结构化与多维度增强，并从质量、经济性等方面验证其价值，为伊斯兰研究与数字人文领域提供新范式。

一、文章主要内容总结

1. 研究背景：圣训作为伊斯兰知识的重要来源，传统人工收集、整理与分析方式存在规模小、耗时久、依赖专业知识等问题，而大语言模型的发展为解决这些难题提供了可能。
2. 语料库构建
   • 数据来源：选取Maktabat Ahl al-Bayt数字库作为主要来源，因其涵盖逊尼派和什叶派圣训，且格式相对统一，同时通过人工筛选纠正文本分类错误。
   • 处理流程：设计多阶段全自动流程，包括圣训分割与边界检测（用LLMs分离传述链与正文）、与源文本验证对齐（模糊字符串匹配处理差异）、多维度增强（机器翻译、智能标音、总结标注等）。
3. 评估与对比
   • 评估方式：随机抽取1213条圣训，由6位领域专家从结构准确性、语言质量、分析深度等维度，采用0-10分制结合定性注释评估。
   • 结果表现：整体平均得分8.46/10，传述链-正文分离、总结等结构化任务接近人类水平（9.3分左右），标音和语义相似度检测仍有挑战；对比人工整理的Noor语料库（3.66/10），在规模、质量及多维度增强上均