Xususiy korpuslarni tuzishda alohida matn ustida ishlash yo‘llari (A.Qodiriy asarlari misolida)

Аннотация

Ushbu maqolada o‘zbek tilining korpusini yaratishda xususiy korpuslar asos vazifasini bajarishi haqida so‘z yuritilgan. Abdulla Qodiriyning “O‘tkan kunlar” asarining xususiy korpusini yaratish lingvistik jihatdan o‘rganilgan. Kalit so‘zlar: korpus, sun’iy intellekt, kodlashtirish, afifa, qolapoy, bo‘yro. Дунёда кечаётган интеграция ва глобаллашув жараёнида ўзбек тилини ду- нёвий тиллар даражасига олиб чиқиш ўзбек тилшунослиги олдидаги муҳим вазифалардан бири ҳисобланади. Жаҳон миқёсида табиий тилнинг сунъий интеллект билан узвий муносаба- тини текшираётган янги йўналишларнинг шаклланиб бўлганлиги ўзбек тили- ни замонавий ва самарали тадқиқ усуллари орқали илмий ўрганишни талаб қилмоқда. Яъни тилшунос Б. Йўлдошев таъбири билан айтганда, “Қуруқ на- зарий фикрларга тўла тадқиқотлар билан бир қаторда, халқимиз учун фойда келтирадиган компьютер дастурларини ишлаб чиқишда фаол иштирок этиш лозим”. Жаҳон тилшунослигида алоҳида йўналиш сифатида шаклланаётган кор- пус лингвистикаси тилшунослигимиз олдига ўзбек тилининг ҳам миллий электрон корпусини яратиш каби долзарб вазифаларни қўймоқда. Миллий корпусимиз бошқа корпуслардан фарқли равишда ўзбек тилининг барча имкониятлари, маъно бойлиги, асрлар давомида шаклланган луғат за- хираси, бошқа тиллардан устун жиҳатларини ўзида мужассамлаштирган бў- лиши лозим. Миллий корпусни яратишдан аввал маълум бир асарнинг хусу- сий корпусини яратиш лозим бўлади. Бу соҳада тилшунослигимизда бир қан- ча назарий ишлар қилинган бўлса-да, амалий жиҳатдан кичик бир асарнинг ёки матннинг хусусий корпуси ҳали яратилмаган. Табиийки, янгиликнинг тан олиниши қанчалик қийин кечмасин, унинг амалиётга татбиқи муваффақиятли бўлса, у шунчалик катта ютуқларга эга бўлади. Тилшунос А. Раҳимов электрон луғатларнинг ишлаш принципларини умумлаштириб, қуйидагича изоҳлаган: “Тилнинг ҳар бир сўзига мутано- STARS International University 49 сиб келувчи код ишлаб чиқилади, кодни қайта ишлаш жараёнида зару- рий бўлган маълумотлар, таржималар, синоним, антоним ва шарҳларга эга бўлиш мумкин. Мазкур қоида бўйича алоҳида матннинг корпусини ту- зишда, аввало, маълумотлар базаси шакллантирилади, бунда ўзбек тили- да яратилган барча бадиий адабиётлар, газета ва журналлардаги мақола ва очерклар, илмий ва сиёсий адабиётларнинг матни лингвистик корпус- нинг манбаи ҳисобланади. Масалан, А.Қодирийнинг “Ўткан кунлар” аса- рининг хусусий корпусини тузиш. Бу жараён босқичма-босқич амалга оширилади”. Аввало, лингвистик корпуснинг маълумотлар омборига матнларнинг элек- трон варианти жойлаштирилади. Кейинги дастурий таъминот жараёнида матнни моделлаштириш ва алгоритмлаш босқичи амалга оширилади. Бун- да матндаги сўзларнинг лексик сатҳи ўрганилиб, гуруҳларга ажратилади ва кетма-кетликда жойлаштирилади. Масалан, синоним сўзлар, омоним сўзлар, шевага оид сўзлар, тарихий сўзлар, иборалар, кўп маъноли сўзлар каби. Мат- ндаги ҳар бир сўзни маълум гуруҳларга бўлиб жойлаштиришда сўзнинг ус- лубий бўёқдорлиги, турли маъно нозикликлари, валентлик каби ҳодисаларга алоҳида эътибор бериш лозим. Бу вазиятда ҳар бир сўз матндаги маъноси бўйича жойлаштирилади. Лингвистик таъминот босқичида сўзларнинг лексик маънолари изоҳлана- ди. Масалан, сипориш – топшириқ, мишовур – маслаҳатчи, амсоли – ҳоказо, афифа – покиза қиз каби тарихий сўзлар изоҳланади; бўйро, қолапой афзали каби шевага оид сўзларнинг асл маъноси келтирилади; қамчинидан қон том- моқ, чувалган ипнинг учини топмоқ, терисига сиғмай кетмоқ каби иборалар- нинг лексик маъноси изоҳланади. Дастурни тузишда энг мушкул жараён кодлаштириш, яъни матнни инсон тушунадиган тилдан машина (компьютер) тушунадиган тилга ўтказиш жа- раёни ҳисобланади. Сўзларни кодлаштириш қуйидагича амалга оширилади. Матндаги сўзларнинг ҳар бири уч қисмдан иборат бўлади:1) сўзнинг тартиб рақами; 2) сўз; 3) код. “Сўзнинг тартиб рақами” (унинг адреси). Дастурий таъминот босқичида ажратилган гуруҳлар ҳар бир сўзнинг адреси ҳисобланади. Масалан, сино- ним сўзларни биринчи гуруҳ деб олсак, 01С ҳарфи билан ва унинг маъно- доши ҳам ушбу кўринишда белгиланади. Шевага оид сўзларни иккинчи деб олсак, 02Ш ҳарфи билан белгиланади ва ҳоказо. “Сўз” – мутаносиб алфавит ҳарфлари билан белгиланади. Масалан, “гўзал” синоним сўзининг адреси биринчи гуруҳга мансуб бўлганлиги учун 01С деб белгиланади ва кейинги мутаносиб алфавит ҳарфи ёрдамида бош ҳарфи Г бўлганлиги сабабли 01СГ деб кодлаштирилади. Бунда синонимик қатордаги барча сўзлар 01С коди билан ёзилади. Масалан, “гўзал” сўзининг синоними бўлган “чиройли” сўзи 01СЧ кўринишида жойлаштирилади. “Код” – рақам ва ҳарфлар кетма-кетлиги бўлиб, унда сўз барча зарурий морфологик, синтактик, лексик хусусиятлари ҳамда ушбу сўзнинг қайси сўз- га тегишлилиги ҳақидаги маълумотлар жамланган бўлади. Масалан, “гўзал” сўзи 01СГ0003 рақамлари билан кодлаштирилади. Кейинги босқич лемматизация, яъни сўзлик тайёрлаш жараёни. А.Раҳи- мовнинг “Компьютер лингвистикаси” асарида лемматизацияга қуйидагича Global dunyoda ilm-fan va ta‘limdagi innovatsion rivojlanishning zamonaviy trendlari 15 dekabr, 2022 yil.