Abstract
Встатье предлагается гибридная модель разрешения кореференции для малоресурсных и морфологически сложных языков на примере казахского языка. Современные нейронные и трансформерные модели демонстрируют высокую эффективность в условиях наличия больших аннотированных корпусов и предварительно обученных языковых моделей. Однако для малоресурсных языков такие данные ограничены или отсутствуют, что существенно снижает качество автоматического анализа текста.Для решения данной проблемы разработана модель Kazakh Coreference Adaptation (KCA), со-четающая статистические методы машинного обучения с явным использова-нием предметных знаний. В архитектуру системы входят этапы предваритель-ной обработки текста (токенизация, морфологический анализ, POS-теггинг, распознавание именованных сущностей и синтаксический разбор зависимо-стей), обнаружение упоминаний, формирование кандидатных пар и извлечение