ҚАЗАҚ ТІЛІНІҢ ҚҰҚЫҚТЫҚ ЛЕКСИКАСЫНДАҒЫ СӨЗ ТҰЛҒАЛАРЫН ВЕКТОРЛЫҚ МОДЕЛЬДЕР АРҚЫЛЫ ТАЛДАУ

Аңдатпа

Сөз тұлғаларының дистрибутивтік ұқсастығы модельдің морфологиялық тұлға мен грамматикалық қызметті ажырататынын өздігінен дәлелдемейді. Мақалада осы мәселе қазақ тілінің құқықтық лексикасы негізінде қарастырылып, Word2Vec пен FastText тілдік деректі талдау құралы ретінде пайдаланылады. Зерттеу материалы 2 188 құжат пен 12 327 449 токеннен тұратын корпусқа сүйенеді. Сегіз морфологиялық қатынас бойынша іріктелген 200 жұптан 4 800 аналогиялық тапсырма құрастырылған. Күтілетін сөз тұлғасын табу дәлдігі, қатынас векторларының үйлесімділігі, морфологиялық қатынастарды әртүрлі құқық салаларының лексикасына қолдану нәтижелері және қате жауаптар талданып, оларға бірдей және әртүрлі алломорфтарды нысаналы сөз жұбын өзгертпей салыстыру қосылды. FastText жалпы дәлдік бойынша Word2Vec-тен жоғары нәтиже көрсетті (35,21% және 28,98%). Алайда ілік септігі мен сөзжасамдық қатынастар бұл басымдықтың барлық санатқа бірдей таралмайтынын анықтады. Екі шартта да салыстыруға келетін 195 жұп бойынша бірдей алломорф қатысқан тапсырмалардағы орташа артықшылық 5,61 және 2,32 пайыздық тармақ болды. Табыс септігіне қатысты FastText нәтижесінде бастапқы 11,93 тармақтық айырма нысаналы жұптар сәйкестендірілгенде −0,68 тармаққа өзгерді. Демек, жиынтық көрсеткішке салыстырылатын сөздердің құрамы елеулі ықпал етеді. Жекелеген қатынастардың үйлесімділігі әркелкі болғанымен, екі модельде де санаттар арасындағы жалпы геометриялық құрылым ұқсас болды. Зерттеудің ғылыми мәні – жазылу ұқсастығын, сөз тұлғасын табуды және грамматикалық түсіндіруді дербес бағалау. Қорытындылар бір салалық корпус пен ережелер негізінде жасалған іріктеменің шегінде түсіндіріледі.