Abstract
В данной статье корпус KAZCausal впервые пытается аннотиро-вать причинно-следственную связь на современном казахском языке. В исследова-нии рассматриваются конструктивные и методологические основы сборки корпуса KAZCausal. Кроме того, была предпринята первая попытка систематической реги-страции причинно-следственных и результирующих отношений в текстах на основе научных, публицистических, интернет-информационных материалов, и результаты данного исследования вносят значительный вклад в область обработки естественных языков (Natural language processing – NLP), интегрируясь с областью лингвистики. В ходе исследования в качестве предпосылок для создания корпуса, применяемых к синтаксическим и семантическим причинно-следственным конфигурациям в совре-менном казахском языке, будут затронуты процесс создания корпуса, схема аннота-ции и лингвистические критерии. В этой статье будет рассмотрен ряд инструментов, моделей и корпусов, которые успешно использовались в исследованиях на других языках для контекстуализации в рамках текущих экспериментов NLP. К ним отно-сятся аннотатор Humor (High-speed Unification Morphology) для морфологической обработки, модель POS tagging, модель Multi-tasl learning and Subdomain adaptation, Multilingual BERT, многоязычная модель XLM-R, а также корпус казахоязычного Kazakh Language Corpus-KLC с широким охватом, Penn Discourse Treebank (PDTB), CausBank и BECause были рассмотрены основные различия и инновационные аспек-ты корпуса KAZCausal, направленные на аннотирование причинно-следственных связей, а также такие особенности, как принципы аннотации, область применения и структурный характер. Корпус KAZCausal в будущем может стать основой для при-менения в других тюркоязычных корпусах, эффективного использования казахского языка в направлении компьютерной обработки, развития технологий семантического поиска в информационных системах и совершенствования моделей NLP