ҚАЗАҚ ТІЛІНДЕГІ МӘТІНДІ АВТОМАТТЫ ТҮРДЕ СИНОНИМДІК ҚАЙТА ТҰЖЫРЫМДАУ: МОРФОЛОГИЯЛЫҚ ЖӘНЕ СЕМАНТИКАЛЫҚ ШЕКТЕУЛЕРГЕ НЕГІЗДЕЛГЕН ӘДІС

2026

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.52167/1609-1817-2026-144-3-393-405
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Мақалада қазақ тіліндегі мәтіндерді морфологиялық және семантикалық шектеулерді ескеретін автоматты синонимдік қайта тұжырымдау әдісі қарастырылады. Қазақ тілінің агглютинативтік құрылымы, сингармонизм заңы мен фонетикалық алмасулар парафразалау барысында өзіндік қиындықтар тудырады. Әдістің негізі – лингвистикалық ережелерді (морфологиялық анализатор, графемалық трансформациялар) семантикалық модельдермен (Word2Vec, UD-парсинг) біріктіретін гибридтік сәулет. Мәтінді өңдеу бірнеше кезеңде жүзеге асады: лемматизация, синоним-кандидат іздеу, морфо-синтаксистік сүзу және реконверсия.Эксперимент саяси-публицистикалық бағыттағы 1000 сөйлемнен құралған корпуста өткізілді. Әдістің морфологиялық дәлдігі 92,4%-ға жетті, BERTScore (KazRoBERTa) көрсеткіші 0,873 құрады, ал адам бағасы орташа 4,12/5 болды. Бұл нәтижелер mBERT көрсеткішінен (BERTScore 0,791) және fine-tuning жасалмаған mT5 нұсқасынан (BERTScore 0,684) едәуір жоғары. Әдіс саяси және публицистикалық мәтіндерді лексикалық байыту, парафразалау мен автоматты өңдеу міндеттерінде қолданылуы мүмкін.