tilTiltanymTiltanym2411-60762709-135XИнститут языкознания имени А.Байтурсынулы КН МОН РК10.55491/2411-6076-2024-1-189-196til-1250Research ArticleПРИКЛАДНОЕ ЯЗЫКОЗНАНИЕAPPLIED LINGUISTICSНАЦИОНАЛЬНЫЙ КОРПУС КАЗАХСКОГО ЯЗЫКА: ЛЕКСИКО-СЕМАНТИЧЕСКАЯ РАЗМЕТКА ГЛАГОЛОВTHE NATIONAL CORPUS OF THE KAZAKH LANGUAGE: THE SEMANTIC MARKUP ОF VERBShttps://orcid.org/0000-0002-9731-0448СлямбековК. Б.SlyambekovQ. B.

Алматы қ.

Almaty

zatpost@gmail.comhttps://orcid.org/0009-0007-8424-6735СадыкА. М.SadykA. M.

Алматы қ.

Almaty

s.ainagul_94@mail.ruИнститут языкознания им. А.БайтурсынулыКазахстанInstitute of Linguistics named after A. BaitursynulyKazakhstanУниверситет международного бизнеса имени К. СагадиеваКазахстанUniversity of International Business named after K.SagadiyevKazakhstan20243004202401189196Copyright © Слямбеков К.Б., Садык А.М., 20242024Слямбеков К.Б., Садык А.М.Slyambekov Q.B., Sadyk A.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.tiltanym.kz/jour/article/view/1250

В связи с тем, что разработка корпуса стала одним из приоритетных направлений для всех языков современного мира, совершенствование национального корпуса казахского языка (НККЯ) также является очень актуальным вопросом. Одним из видов лингвистической информации, отражающей значение слова в базе данных НККЯ, является лексико-семантическая разметка. В статье рассматривается мировой опыт лексико-семантической разметки и дается обзор зарубежных исследований. После анализа национальных корпусов русского и калмыцкого языков, отмечаются особенности национального корпуса казахского языка. Указываются способы деления глаголов на лексико-семантические группы на основе которых формируется разметка корпуса, т. е. определение кодов, раскрывающих значение слова.

 В ходе исследования лексико-семантические группы классифицировались по способу описания и синтеза значений глаголов на основе их общих значений, семантические группы казахских глаголов сравнивались между собой и с семантическими группами в других языках.

В результате исследования в Национальный корпус казахского языка были введены макро и микрогруппы, описывающие значение глагола. Всего сформировано 100 лексико-семантических групп. Лексико-семантическая разметка глаголов включала шесть различных кодов. 18200 глаголов в базе данных корпуса были отмечены лексико-семантической разметкой.

Составленная лексико-семантическая разметка расширяет информацию о слове в Национальном корпусе казахского языка, позволяет пользователю легко определять значение слова, сортировать глаголы со схожим значением и глаголы с положительным, отрицательным оттенком. Можно сказать, что лексико-семантическая разметка является одним из первых шагов, облегчающих деятельность по распознаванию семантики слов искусственного интеллекта в казахском языке, который предполагается создать в ближайшем будущем.

Due to the fact that the development of the corpus has become one of the priorities for all languages of the modern world, the improvement of the national corpus of the Kazakh language (NCKL) is also a very relevant issue. One of the types of linguistic information reflecting the meaning of a word in the NCKL database is lexical-semantic markup. The article examines the world experience of lexical-semantic markup and provides an overview of foreign research. Analyzing the national corpus of the Russian language and the Kalmyk language, the peculiarities of the national corpus of the Kazakh language are noted. The methods of dividing verbs into lexical-semantic groups are indicated, on the basis of which the markup of the corpus is formed, i.e. the definition of codes that reveal the meaning of the word.

 In the study, lexical-semantic groups were classified according to the method of describing verb meanings and synthesizing based on common meanings, semantic groups of Kazakh verbs were compared with each other and with semantic groups in other languages.

As a result of the research, macro- and microgroups characterizing the meaning of the verb were included in the National Corpus of the Kazakh language. In total, 100 lexical-semantic groups have been formed. The lexical-semantic markup of verbs included six different codes. Lexical-semantic markup was attached to 18200 verbs based on the corpus.

 The compiled lexical-semantic markup expands the information about the word in the National Corpus of the Kazakh language, allows the user to easily determine the meaning of the word, sort verbs with a similar meaning and verbs with a positive, negative connotation of meaning. It can be said that lexical-semantic markup is one of the first steps to facilitate the recognition of the semantics of words of Kazakh artificial intelligence, which is expected to be created in the near future.

Национальный корпуслингвистический корпусглаголлексико-семантическая группалексико-семантическая разметкаNational Corpuscorpus linguisticsverblexical-semantic grouplexical-semantic markupThe article was written within the framework of the research project BR18574183 "Automatic recognition of the kazakh text: development of linguistic modules and it solutions".ReferencesБаранов А.Н. (2003) Корпусная лингвистика. Введение в прикладную лингвистику. – М.: Едиториал УРСС, 2003. – 114 с.Baranov A.N. (2003) Korpysnaıa lıngvıstıka. Vvedenıe v prıkladnyıy lıngvıstıky. – М.: Editorial URSS, 2003. – 114 s. [Baranov A.N. (2003) Corpus linguistics. Introduction to applied linguistics. – М.: Editorial URSS, 2003. – 114 p.] (in Russian)Жұбанов А.Қ, Жаңабекова А.Ә. (2017) Корпустық лингвистика. – Алматы: Қазақ тілі, 2017. – 336 б.Finegan E. (2004) Language: its structure and use. – N.Y.: Harcourt Brace College Publishers, 2004. – 607 p. (in English)Захаров В.П. (2020) Корпусная лингвистика. – СПб.: Изд. Санкт-Петербургского университета, 2020. – 234 с.Isaev S. (1998). Qazirgі qazaq tіlіndegі sozderdіn grammatıkalyq sıpaty. – Almaty: Rayan, 1998. – 304 b. [Isayev S. (1998) Grammatical nature of words in the modern Kazakh language. – Almaty: Rauan, 1998. – 304 p.] (in Kazakh)Зубов А.В., Зубова И.И. (2004) Информационные технологии в лингвистике. – М., 2004. – 208 с.Jybanov A. K., Janabekova A. (2017). Korpystyq lıngvıstıka. – Almaty: Qazaq tili, 2017. – 336 b. [Zhubanov A. K., Zhanabekova A. (2017) Corpus Linguistics. – Almaty: Qazaq tili, 2017. – 336 p.]. (in Kazakh)Исаев С. (1998) Қазіргі қазақ тіліндегі сөздердің грамматикалық сипаты. – Алматы: Рауан, 1998. – 304 б.Kykanova V. (2005) Prıncıpy semantıcheskoı razmetkı Nacıonal'nogo korpysa Kalmykskogo ıazyka. – Semantıcheskaıa razmetka leksıkı v Nacıonal'nom korpyse rysskogo ıazyka: prıncıpy, problemy, perspektıvy. – Nacıonalnyı korpys rysskogo ıazyka: 2003-2005 Rezyltaty ı prospekty. – S. 187-192. [Kukanova V. (2005) Principles of semantic markup of the National Corpus of the Kalmyk language. National Corpus of the Russian language: 2003-2005. Results and prospects. – M., 2005. – P. 187-192.] (in Russian)Куканова В. (2005). Принципы семантической разметки Национального корпуса Калмыцкого языка // Национальный корпус русского языка: 2003-2005. Результаты и перспективы. – М., 2005. – C. 187-192.Kystova G. I., Lyashevskaıa O. N., Padycheva E. V., Rakhılına E. V. (2005) Semanticheskaıa razmetka leksıkı v Nacıonal'nom korpyse rysskogo ıazyka: prıncıpy, problemy, perspektıvy. – Nacıonalnyı korpys rysskogo ıazyka: 2003-2005 Rezyltaty ı prospekty. – S. 155-174. [Kustova G. I., Lyashevskaya O. N., Paducheva E. V., Rakhilina E. V. (2005). Semantic markup of vocabulary in the National Corpus of the Russian language: principles, problems, prospects. – National Corpus of the Russian language: 2003-2005 Results and prospects. – M., 2005. – P. 155-174.] (in Russian)Кустова Г. И., Ляшевская О. Н., Падучева Е. В., Рахилина Е. В. (2005) Семантическая разметка лексики в Национальном корпусе русского языка: принципы, проблемы, перспективы // Национальный корпус русского языка: 2003-2005. Результаты и перспективы. – М., 2005, – C. 155-174.Kyto M., Rissanen M. (2012) A Language in transition: The Helsinki Corpus of English texts. – Helsinki: University of Helsinki, 2012. – 680 p. (in English)Kyto M., Rissanen M. (2012) A Language in transition: The Helsinki Corpus of English texts. – Helsinki: University of Helsinki, 2012. – 680 p.McEnery T., Wilson A. (2001) Corpus Linguistics. – Edinburgh: Edinburgh University Press, 2001. – 235 p. (in English)McEnery T., Wilson A. (2001) Corpus Linguistics. – Edinburgh: Edinburgh University Press, 2001. – 235 p.Meyer Ch. F. (2002) English Corpus Linguistics & An Introduction. – Cambridge: Cambridge University Press, 2002. –168 p. (in English)Meyer Ch. F. (2002) English Corpus Linguistics & An Introduction. – Cambridge: Cambridge University Press, 2002. – 168 p.Momynova B. (2012) Qazaq tilinin morfologıasy. – Almaty: Arys, 2012. – 239 b. [Momynova B. (2012) Мorphology of the Kazakh language. – Almaty: Arys, 2012. – 239 p.] (in Kazakh)Момынова Б. (2012) Қазақ тiлiнің морфологиясы. – Алматы: Арыс, 2012. – 239 б.Orazov M. (1991). Qazaq tіlіnіn semantıkasy. – Almaty: Rayan, 1991. – 216 b. [Orazov M. (1991) Semantics of the Kazakh language. – Almaty: Rauan, 1991. – 216 p.] (in Kazakh)Оразов М. (1991) Қазақ тілініц семантикасы. – Алматы: Рауан, 1991. – 216 б.Sırazıtdınov Z.A. (2006). Modelırovanıe grammatıkı bashkırskogo ıazyka. – Yfa: Gılem, 2006. – 160 s. [Sirazitdinov Z.A. (2006) Modeling of the grammar of the Bashkir language. – Ufa: Gilem, 2006. – 160 p.] (in Russian)Сиразитдинов З.А. (2006) Моделирование грамматики башкирского языка. – Уфа: Гилем, 2006. – 160 с.Zakharov V.P. (2020) Korpysnaıa lıngvıstıka. – SPb: Izdatelstvo Sankt-Peterbyrgskogo ynıversıteta, 2020. – 234 s. [Zakharov V.P. (2020). Corpus linguistics. – SPb: St. Petersburg University Press, 2020. – 234 p.] (in Russian)Finegan E. (2004). Language: its structure and use. – N.Y.: Harcourt Brace College Publishers, 2004. – 607 p.Zybov A.V., Zybova I.I. (2004) Informacıonnye tehnologıı v lıngvıstıke. – М., 2004. – 208 s. [Zubov A.V., Zubova I.I.(2004). Information technologies in linguistics. – М., 2004. – 208 p.] (in Russian)

The authors declare that there are no conflicts of interest present.