ISSN: 3030-3931, Impact factor: 7,241
Volume 8, issue1, Iyun 2025
https://worldlyjournals.com/index.php/Yangiizlanuvchi
worldly knowledge
OAK Index bazalari :
research gate, research bib.
Qo’shimcha index bazalari:
zenodo, open aire. google scholar.
Original article
940
ЛИНГВИСТИЧЕСКИЕ РЕСУРСЫ: КОРПУС, ТЕЗАУРУС, ОНТОЛОГИЯ
Махмадалиева Мафтуна Сироджиддинновна
Преподаватель университета Турон
Аннотация:
В статье рассматривается понятие лингвистических ресурсов, в частности,
понятия корпуса, тезауруса и онтологии, которые играют важную роль в современной
лингвистике и компьютерной лингвистике. Анализируются структура, функции и отличия
каждого ресурса. Также обсуждаются их роль и практическое значение в обработке
естественного языка.
Ключевые слова:
лингвистический ресурс, языковой корпус, тезаурус, онтология,
компьютерная лингвистика, семантика, лингвистика.
С развитием современной лингвистики и компьютерных технологий все большее значение
приобретает использование различных лингвистических ресурсов при изучении и
обработке языка. Среди этих ресурсов особое место занимают языковые корпуса,
тезаурусы и онтологии. Они служат основой для глубокого анализа естественного языка,
выявления семантических связей, создания языковых моделей и обеспечения систем
искусственного интеллекта языком.
Лингвистическая база данных — это специальная информационная структура,
позволяющая систематически хранить, обрабатывать и эффективно использовать
исходную, промежуточную и конечную информацию о языковых объектах и связях
между ними. Такие базы данных играют важную роль, особенно в компьютерной
лингвистике, в автоматизации различных сложных языковых процессов. Для управления
лингвистической базой данных обычно используются специальные оптимизированные
алгоритмы, которые позволяют добавлять, изменять, сортировать и искать данные. Это
позволяет пользователю выполнять эффективные и быстрые операции над языковой
информацией. Еще одним важным понятием, служащим для систематического хранения
лексических ресурсов и языковых единиц, является корпус. Слово corpus, происходящее
от латинского, на самом деле означает «тело» и в технике означает части конструкции или
оборудования, а в типографике — шрифт размером 10 пунктов (3,76 мм). В
лингвистическом контексте «корпус» — это большая коллекция текстов, собранных в
особом порядке и обогащенных лингвистическими аннотациями. Такие корпуса служат
основным источником для глубокого языкового анализа, машинного перевода,
автоматического анализа, программ редактирования и других филологических
инструментов.
Таким образом, лингвистическая база данных формируется на ее основе и обслуживает ее.
Эта база данных, созданная для корпуса, включает информацию о лексических,
грамматических, синтаксических, семантических, морфологических и прагматических
аспектах языка. Создание такой базы данных для каждого языка требует уникального
подхода, поскольку каждый язык имеет свою структуру, законы и семантические
особенности.
Лингвистическое обеспечение (ЛО) — это единая систематизированная форма языковой
информации, которая включает не только грамматические правила, но и семантические
ISSN: 3030-3931, Impact factor: 7,241
Volume 8, issue1, Iyun 2025
https://worldlyjournals.com/index.php/Yangiizlanuvchi
worldly knowledge
OAK Index bazalari :
research gate, research bib.
Qo’shimcha index bazalari:
zenodo, open aire. google scholar.
Original article
941
возможности. Это обеспечение организует работу корпусной лингвистики, систем
языкового интеллекта и компьютерных словарей. Например, словарей синонимов,
антонимов, омонимов или словарей значений имен. Такие словари, в свою очередь,
разрабатываются в виде программ, которые могут работать на основе определенных
команд. Каждая из них базируется на лексических единицах в базе данных и
предоставляет соответствующую информацию в соответствии с запросом пользователя.
Следует отметить, что при создании лингвистической базы данных узбекского языка
необходимо охватывать не только формы, относящиеся к классу существительных, но и
другие классы слов. Это важный этап в разработке программного обеспечения для
автоматической обработки узбекского языка, включая программы-переводчики,
анализаторы текстов и инструменты лексического анализа.
Корпус языка — это коллекция письменных или устных текстов, которые были
отсортированы, оцифрованы и специально подготовлены для лингвистических
исследований. Корпуса используются для статистического анализа языковых единиц,
моделирования языка, машинного перевода и распознавания речи.
Основные типы корпусов языка:
• Общие корпуса (например, Британский национальный корпус)
• Специализированные корпуса (юридические, медицинские, научные тексты)
• Многоязычные корпуса (корпуса параллельного перевода)
• Динамические корпуса (обновляемые корпуса)
Тезаурус — это лексическая система, основанная на семантических связях слов, в которой
синонимы, антонимы, гипернимы и другие семантические связи представлены в виде сети.
Тезаурусы играют важную роль в процессах обогащения словарного запаса, обработки
текста, контекстного перевода и выбора слов.
Известные тезаурусы: Roget's Thesaurus (классический английский тезаурус) и WordNet —
крупнейшая семантическая сеть в английском языке.
Тезаурус — это тип словаря в лингвистике, представляющий собой систему устойчивых
семантических (содержательных) связей между лексическими единицами (словами,
словосочетаниями). В отличие от обычных словарей, тезаурусы показывают не только
значение слова, но и другие связанные с ним понятия, их синонимические,
антонимические,
гиперонимические
(обобщающие)
или
гипонимические
(конкретизирующие) связи. Каждое понятие имеет самостоятельное значение, а с другими
взаимосвязанными единицами образует целостную семантическую сеть в рамках
языковой системы. Именно эта особенность позволяет широко использовать тезаурусы в
системах, основанных на знаниях.
В настоящее время тезаурусы широко используются не только в лингвистике, но и в таких
областях, как информационные технологии, компьютерная лингвистика, искусственный
интеллект, машинный перевод и системы поиска слов в Интернете. По мере развития
ISSN: 3030-3931, Impact factor: 7,241
Volume 8, issue1, Iyun 2025
https://worldlyjournals.com/index.php/Yangiizlanuvchi
worldly knowledge
OAK Index bazalari :
research gate, research bib.
Qo’shimcha index bazalari:
zenodo, open aire. google scholar.
Original article
942
компьютерных технологий возрастает потребность пользователей в работе со сложной
информацией, автоматизации лингвистических знаний, построении семантических сетей
слов и их значений в компьютерных программах. В таких программах тезаурусы служат
основным инструментом для более глубокого анализа текстов и понимания смысловых
связей.
В области психологии тезаурус человека понимается как система внутренних знаний,
которая служит основой для его восприятия, восприятия и понимания информации. Этот
персональный тезаурус формируется на основе предыдущего опыта, знаний и
эмоциональных реакций человека и играет важную роль в работе с информацией. Он
представляет существующие в сознании человека понятия и их взаимосвязи. В связи с
этим в рамках теории коммуникации тезаурус рассматривается как сложная когнитивная
система, в которой информация постоянно обновляется и обрабатывается.
Тезаурусы, разрабатываемые в рамках компьютерной лингвистики, включают в себя
множество языковых признаков, таких как основные и подвижные значения лексем, их
коммуникативную значимость, эмоциональную и экспрессивную нагрузку. Это создает
большие возможности для углубленной работы над языковыми единицами,
автоматического анализа и создания моделей искусственного языка.
Следует отметить, что в мировой лингвистике компьютерная лингвистика и корпусные
исследования начали формироваться в 1940-х годах. В западных странах в этот период
появились первые лингвистические корпуса, проекты машинного перевода и средства
автоматического морфологического анализа. В узбекской лингвистике эти направления
активно развиваются в последние годы. В настоящее время несколько научно-
исследовательских институтов, университетов и центров работают над электронными
корпусами узбекского языка, лексическими ресурсами, морфологическими и
синтаксическими анализаторами.
Современные тезаурусы часто создаются в электронном формате, что облегчает их
интеграцию в информационные системы. Они особенно важны для выражения системы
терминов и понятий, относящихся к определенной области науки или профессии. С
помощью таких тезаурусов определяются основные понятия области, их взаимосвязи и
направления развития. При этом, наряду со значениями слов, анализируется также их
связь с научными и интеллектуальными системами.
Онтология — это формальная структура, которая представляет языковые единицы в виде
понятий и показывает их взаимосвязи. Онтологии составляют основу искусственного
интеллекта, баз знаний и технологий семантической паутины.
Характеристики онтологий следующие:
• Четкое определение понятий
• Связи между понятиями (иерархия, причинно-следственные связи и т. д.)
• Формальная структура, которую может обрабатывать компьютер
Примеры: SUMO (Suggested Upper Merged Ontology) и DBpedia, YAGO.
ISSN: 3030-3931, Impact factor: 7,241
Volume 8, issue1, Iyun 2025
https://worldlyjournals.com/index.php/Yangiizlanuvchi
worldly knowledge
OAK Index bazalari :
research gate, research bib.
Qo’shimcha index bazalari:
zenodo, open aire. google scholar.
Original article
943
Для того, чтобы обрабатывать тексты на любом языке на компьютере, переводить их или
разрабатывать другие филологические программы, связанные с этим языком, необходимо
в первую очередь создать языковое обеспечение (ЛО) этой системы. Языковое
обеспечение формируется, прежде всего, на основе грамматических, семантических и
стилистических норм этого языка. К этим нормам относятся законы структуры и
употребления языка. При этом в ЛО также входят филологические словари, словарный
запас, синонимы, антонимы, фразеологизмы, разговорные словари и другие лексические
ресурсы, связанные с этим языком. Поэтому при создании лингвистического процессора
(т. е. компьютерной системы обработки языка) необходимо, чтобы программисты и
лингвисты обладали глубокими и всесторонними знаниями языка. Это повысит точность и
эффективность процесса обработки языка и уровень совершенства лингвистического
процессора.
Кроме того, особую важность приобретает более глубокое изучение языковых единиц на
основе современного семантического анализа и их интерпретация в тесной связи с
экстралингвистическими (внеязыковыми) факторами, такими как речевая ситуация,
психологическое состояние говорящего, мировоззрение, культура и образ мышления.
Особенно при создании онтологических систем — то есть базы знаний, отражающей
смысловые отношения между языковыми единицами — необходимо учитывать такие
факторы. Только тогда созданная лингвистическая онтология будет не только формально
структурированным набором данных, но и совершенной системой, которая является
контекстуально и семантически глубокой и имеет практическое применение, пригодной
для человеческого мышления.
По сути, каждая лексема (слово) в языке является продуктом когнитивной деятельности
человека. Через них человечество кодирует свои знания, опыт и представления о мире и
передает их из поколения в поколение. Поэтому при создании языковых ресурсов следует
глубоко анализировать не только структуру языка, но и духовный и нравственный мир
использующего его общества.
В заключение следует отметить, что корпус, тезаурус и онтология являются важными
формами языковых ресурсов, широко используемыми в лингвистике, переводе,
искусственном интеллекте и информационных технологиях. Каждый из них выполняет
определенную задачу в изучении и обработке языка. Благодаря этим ресурсам
расширяются возможности автоматизированного анализа естественного языка и создания
языковых систем.
Ссылки:
1.
Jurafsky, D., & Martin, J. H. (2021). Speech and Language Processing. Pearson.
2.
McEnery, T., & Hardie, A. (2012). Corpus Linguistics: Method, Theory and Practice.
Cambridge University Press.
3.
Navigli, R. (2009). Word Sense Disambiguation: A Survey. ACM Computing Surveys.
1
Abdurahmonova D. (2022). Kompyuter lingvistikasi: asosiy tushunchalar va zamonaviy yondashuvlar. Filologiya
masalalari, №1.
ISSN: 3030-3931, Impact factor: 7,241
Volume 8, issue1, Iyun 2025
https://worldlyjournals.com/index.php/Yangiizlanuvchi
worldly knowledge
OAK Index bazalari :
research gate, research bib.
Qo’shimcha index bazalari:
zenodo, open aire. google scholar.
Original article
944
4.
O‘zbekiston Respublikasi Fanlar akademiyasi, Tilshunoslik instituti. (2020). O‘zbek
tilining korpus asosida tahlili. Toshkent.
5.
Abdurahmonova D. (2022). Kompyuter lingvistikasi: asosiy tushunchalar va zamonaviy
yondashuvlar. Filologiya masalalari, №1.
