ҚАЗАҚ МӘТІНДІК КОРПУСТАРЫН АВТОМАТТЫ ЖӘНЕ ЖАРТЫЛАЙ АВТОМАТТЫ АННОТАЦИЯЛАУ
##plugins.pubIds.doi.readerDisplayName##:
https://doi.org/10.54309/IJICT.2026.27.3.010Кілт сөздер:
қазақ тілі, корпус аннотациясы, жартылай автоматты аннотация, табиғи тілдерді өңдеу, морфологиялық белгілеу, ресурсы шектеулі тілдерАңдатпа
Үлкен көлемді әрі сапалы аннотацияланған корпустардың жеткіліксіздігі қазақ тілі үшін тиімді табиғи тілдерді өңдеу құралдарының дамуын әлі де тежеп отыр. Бұл мақалада қазақ мәтіндік корпустарын аннотациялауға арналған автоматты және жартылай автоматты құрылым ұсынылады. Оған ережелерге негізделген алдын ала өңдеу, машиналық көмегімен белгілеу және қолмен тексеру кезеңдері кіреді. Ұсынылған конвейер мәтінді тазалау, сөйлемдерге бөлу, токенизация, морфологиялық алдын ала аннотация және екіұшты жағдайларды нақтылау сияқты кезеңдерден тұрады. Ерекше назар қазақ тілінің агглютинативті тіл ретіндегі ерекшеліктеріне аударылады: көп мөлшердегі жұрнақтар мен жалғаулар, дауысты дыбыстардың үндестігі және морфофонологиялық өзгерістер. Ұсынылған тәсілдің мақсаты - тілдік деректердің сапасы мен бірізділігін сақтай отырып, аннотациялау уақытын қысқарту. Құрылған корпус сөз табын белгілеу, сөз мағынасын анықтау және синтаксистік талдау сияқты міндеттер үшін пайдаланылуы мүмкін. Нәтижелер жартылай автоматты аннотацияның қазақ тіліндегі NLP ресурстарын құру үшін тиімді әрі масштабталатын тәсіл екенін көрсетеді.
##plugins.generic.usageStats.downloads##
Жарияланды
Дәйексөзді қалай келтіруге болады
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2026 ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ
Бұл жұмыс Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Дүние жүзінде.
https://creativecommons.org/licenses/by-nc-nd/3.0/deed.en