KAZCAUSAL: ҚАЗАҚ ТІЛІНДЕГІ СЕБЕП-САЛДАРЛЫҚ ҚАТЫНАСТАРДЫҢ АЛҒАШҚЫ КОРПУСТЫҚ АННОТАЦИЯСЫ

Аңдатпа

Аталған мақалада KAZCausal корпусы қазіргі қазақ тіліндегі себеп-салдарлық байланысты аннотациялауға алғаш рет талпыныс жасап отыр. Зерттеуде KAZCausal корпусын құрастыру, құрылымдық дизайны және әдіснамалық негіздері қарастырылады. Сонымен қатар, ғылыми, публицистикалық, интернеттік-ақпараттық материалдар негізіндегі мәтіндердегі себеп-салдарлық пен нәтижелік қатынастарды жүйелі түрде тіркеудің алғашқы әрекеті жасалды, әрі аталған зерттеу нәтижесі лингвистика саласымен интеграциялана отырып,  табиғи тілдерді өңдеу (Natural language processing – NLP) саласына да айтарлықтай үлес қосады. Зерттеу барысында қазіргі қазақ тіліндегі синтаксистік және семантикалық себеп-салдарлық конфигурацияларға қолданылатын корпусты құрудың алғышарттары ретінде корпус құру үдерісіне, аннотация сұлбасына және лингвистикалық критерийлерге тоқталады.

Бұл мақалада қазіргі NLP тәжірибелері аясында контексттеу үшін зерттеуде басқа да тілдерде сәтті қолданыс тапқан бірқатар құралдар, моделдер мен корпустар қарастырылады. Оларға морфологиялық өңдеуге арналған Humor (High-speed Unification Morphology) аннотаторы, POS tagging моделі, Multi-tasl learning and Subdomain adaptation моделі, Multilingual BERT, XLM-R көптілді моделі, сонымен қатар кең ауқымды қамтыған қазақ тілді Kazakh Language Corpus – KLC корпусы, Penn Discourse Treebank (PDTB), CausBank  және BECause сияқты аннотация қағидаттары, қолдану саласы және құрылымдық сипаты сияқты ерекшеліктеріне шолу жасалып, себеп-салдарлық байланыстарды аннотациялауға бағытталған KAZCausal корпусының негізгі айырмашылықтары мен инновациялық аспектілері қарастырылды. KAZCausal корпусы болашақта өзге де түркі тілдес корпустарға қолдануға, қазақ тілін компьютерлік өңдеу бағытында тиімді пайдалануға, ақпараттық жүйелерде семантикалық іздеу технологияларын дамытуда және NLP моделдерін жетілдіруге негіз етуге болады.