KAZCAUSAL: ҚАЗАҚ ТІЛІНДЕГІ СЕБЕП-САЛДАРЛЫҚ ҚАТЫНАСТАРДЫҢ АЛҒАШҚЫ КОРПУСТЫҚ АННОТАЦИЯСЫ

Аннотация

В данной статье корпус KAZCausal впервые пытается аннотировать причинно-следственную связь на современном казахском языке. В исследовании рассматриваются конструктивные и методологические основы сборки корпуса KAZCausal. Кроме того, была предпринята первая попытка систематической регистрации причинно-следственных и результирующих отношений в текстах на основе научных, публицистических, интернет-информационных материалов, и результаты данного исследования вносят значительный вклад в область обработки естественных языков (Natural language processing – NLP), интегрируясь с областью лингвистики. В ходе исследования в качестве предпосылок для создания корпуса, применяемых к синтаксическим и семантическим причинно-следственным конфигурациям в современном казахском языке, будут затронуты процесс создания корпуса, схема аннотации и лингвистические критерии. В этой статье будет рассмотрен ряд инструментов, моделей и корпусов, которые успешно использовались в исследованиях на других языках для контекстуализации в рамках текущих экспериментов NLP. К ним относятся аннотатор Humor (High-speed Unification Morphology) для морфологической обработки, модель POS tagging, модель Multi-tasl learning and Subdomain adaptation, Multilingual BERT, многоязычная модель XLM – R, а также корпус казахоязычного Kazakh Language Corpus-KLC с широким охватом, Penn Discourse Treebank (PDTB), CausBank и BECause были рассмотрены основные различия и инновационные аспекты корпуса KAZCausal, направленные на аннотирование причинно-следственных связей, а также такие особенности, как принципы аннотации, область применения и структурный характер. Корпус KAZCausal в будущем может стать основой для применения в других тюркоязычных корпусах, эффективного использования казахского языка в направлении компьютерной обработки, развития технологий семантического поиска в информационных системах и совершенствования моделей NLP.