«қазақ тілінен ағылшын тіліне машиналық аударудың лингвистикалық сөздіктерін apertium платформасының негізінде жасау»

Пән: Тілтану, Филология
Жұмыс түрі: Дипломдық жұмыс
Тегін: Антиплагиат
Көлемі: 40 бет
Таңдаулыға:

ӘЛ-ФAРAБИ АТЫНДАҒЫ ҚАЗАҚ ҰЛТТЫҚ УНИВЕРСИТЕТІ

МЕХАНИКА-МАТЕМАТИКА ФАКУЛЬТЕТІ

AҚПАРATTЫҚ ЖҮЙЕЛЕР КAФЕДРAСЫ

ДИПЛОМДЫҚ ЖҰМЫС

«Қазақ тілінен ағылшын тіліне машиналық аударудың лингвистикалық сөздіктерін Apertium платформасының негізінде жасау» тақырыбына жазылған

Орындаған

(қолы)

Исмаилова Ш. С.

Орындаған:

Ғылыми жетекші,

т. ғ. д., профессор

(қолы):

(қолы)

Исмаилова Ш. С.: Тукеев У.

Орындаған: Норма бақылаушы

(қолы):

(қолы)

Исмаилова Ш. С.: Жуманов Ж. М

Орындаған:

Қорғауға жіберілді:

Кафедра меңг. қ. а, PhD доктор

(қолы):

(қолы)

Исмаилова Ш. С.: Есенгалиева Ж. С.

Алматы 2015

РЕФЕРAТ

Бітіру жұмысы 46 беттен, 10 суреттен, 21 листинг және 8 кестеден тұрaды.

Кілттік сөздер : Apertium, машиналық аударма, сөздіктер, лемма, парадигма, XML, DTD, Terminal.

Зерттеу нысаны: Онлайн-аударушы

Жұмыстың мaқсaты:

- Сөздіктерін Apertium платформасының негізінде жасау;

- Сөздіктердің сапасын жақсарту;

- Тектес емес тілдер арасында мәтіндерді аудару;

- Аударма сапасының жоғары және мағыналық сәйкестігі дұрыс болу;

- Жаңадан машиналық аударма жүйесін жасау.

Нәтиже: Сапалы, сауатты аударма.

Жұмыстың негізгі сипаттамасы: Кез келген мәлiметті қазақ тілінен ағылшын тіліне сауатты аудару.

Енгізудің дәрежесі: Апертиум программасы қазiргі таңда енгізілген және өзінің аудармалық жұмысын жүргізу үстiнде.

РЕФЕРAТ

Рaботa состоит из 46 стрaниц, 10 рисунков, 21 листингов и 8 таблиц.

Ключевые словa : Apertium, машинный перевод, словари, леммы, парадигмы, XML, DTD, Terminal.

Объeкт исслeдовaния: Онлайн-перевочик.

Цель рaботы:

- Рaзрaботaть словарь на платформе Apertium;

- Рaзрaботaть словарь для несхожих языковых пар;

- Улучшить смысловое качество передова;

-Создать новую систему машинного перевода.

Рeзультaты: Качественный и грамотный перевод.

Основныe хaрaктeристики рaботы: Грамотный перевод любого типа информации с казахского на английский.

Стeпeнь внeдрeния : Программа Апертиум в нaстоящee врeмя внeдрeнa в вeб-сaйт и выполняeт переводы.

ABSTRACT

The thesis consists of 46 pages, 10 drawings, 21 listing and 8 sources.

Keywords: Apertium, machine translation, dictionary, lemmas, paradigms, XML, DTD, Terminal.

The research object: Online - translator

Objective:

- Design and development of the dictionary on platform Apertium;

- Design and development of the dictionary of dissimilar language pairs;

-Inprove of semantic quality;

-Create new system of machine translation.

Results: High-quality and competent translation.

Main characteristics: Competent translation of any information from Kazakh into English.

Extent of introduction: The creаted progrаm in the present time is introducеd in the web site and translate.

Мазмұны

Кіріспе6

1 МАШИНАЛЫҚ АУДАРМА. ҚАЗІРГІ КЕЗЕҢДЕГІ ҚАЗАҚСТАНДАҒЫ ЖАҒДАЙЫ. 8

1. 1 Машиналық аударма туралы түсінік8

1. 2 Машиналық аударманың даму тарихы. 8

1. 3 Машиналық аударманың қазіргі Қазақстандағы жағдайы9

2 АПЕРТИУМ ПЛАТФОРМАСЫ10

2. 1 Апертиум платформасының туралы түсінік10

2. 2 Apertium платформасының архитектурасы11

3 ҚАЗАҚ ТІЛІНЕН АҒЫЛШЫН ТІЛІНЕ ЛИНГВИСТИКАЛЫҚ СӨЗДІКТЕРІН APERTIUM ПЛАТФОРМАСЫНДА ЖАСАУ13

3. 1 Ағылшын бiртілді сөздiгінің форматы13

3. 2 Ағылшын-қазақ екiтілді сөздiгі16

3. 3 Қазақ біртiлді сөздiгі19

3. 4 DTD дегеніміз не және не үшін қажет?23

3. 5 Атрибут жариялау25

3. 6 Apertium платформасында XML-құжаттарды валидациялау үшін DTD- файлын құру. 27

3. 7 Сөздік дизайны критерийлер32

3. 8 Сөздік түрлері33

3. 9 Сөздік форматына сипаттама34

3. 10. 1 Зат есім38

3. 10. 2 Етістік39

3. 10. 3 Сан есім39

3. 10. 4 Сын есім39

3. 10. 5 Септеуліктер40

3. 10. 6 Есімдік40

3. 11 Қазақ тілінен ағылшын тіліне лингвистикалық сөздіктерін APERTIUM платформасында жасау алгоритмі41

3. 12 Апертиум платформасында сөздіктерде қателерді анықтау. Таңбалардың қатесін реттеу44

Қорытынды45

ПАЙДАЛАНЫЛҒАН ӘДЕБИЕТТЕР ТІЗІМІ46

Кіріспе

Қазақстан Республикасының Президенті Н. Ә. Назарбаев Қазақстандағы тілдердің үш тұғырлығы туралы ойды алғаш рет 2006 жылы Қазақстан халқының Ассамблеясында айтқан. 2007 жылғы «Жаңа әлемдегі жаңа Қазақстан» Жолдамасында Елбасы «Тілдердің үш тұғырлығы» - «Триединство языков» мәдени жобасын кезеңдеп іске асыруды ұсынды.
Ал 2008 жылғы ақпандағы Қазақстан халқына Жолдауында: Үкімет «Тілдердің үш тұғырлығы» мәдени жобасын іске асыруды жеделдетуі тиіс.
Тілдердің үш тұғырлығы идеясында Елбасы оған нақты анықтамасын берген, қазақ тілі - мемлекеттік тіл, орыс тілі - ұлтаралық қатынас тілі, ал ағылшын тілі - жаhандық экономикаға ойдағыдай кіруге тілі. Егемендік алған еліміздің жаңа даму кезеңінде, оның дүниежүзілік аренаға шығып, басқа елдермен саяси-экономикалық, мәдени қатынастарды қалыптастыруы, Қазақстан Республикасының Біріккен Ұлттар Ұйымына мүше болуы, әр түрлі дипломатиялық қызмет атқаруы шетел тілінің ролін көтеруді қажет етеді. Қоғамдағы геополитикалық, коммуникациялық, технологиялық өзгерістер және интернет жүйесі арқылы тілдесу әр түрлі мамандықтағы, әр түрлі жастағы, әр түрлі қалауы, қызығушылығы бар адамдардың санын мейлінше көбейте түсуде. Осыған байланысты шетел тілдерін пайдалану қажеттілігі де артып келеді. Тәуелсіздікке қол жеткізген жылдардан бері әлемдегі көптеген елдермен саяси-әлеуметтік, экономикалық және мәдени байланыс жасауға кеңінен бет бұрдық. Бұл қарым-қатынастың нәтижелі болуы, ел мен елдің, халық пен халықтың өзара ынтымақтасқан бірлігін өркендеуге тіл білудің мәні күн сайын арта түсуде.

Бүгінгі әлемде мыңдаған адамдар шетел тілін, соның ішінде ағылшын тілін жұмыста немесе оқуда пайдаланады және оны ана тіліндей үйренеді.
Қазіргі таңда ағылшын тілі « 21 ғасырдың », халықaралық бизнeс, қазіргі ғылым мeн тeхнологиялар тілi мәртебесінe иe бoлды. Ағылшын тілі - дүние жүзіне ең кең таралған халықарaлық тiл. Әлемге eң көп тарaған, әрi қытaй тілiнен кейінгi хaлық сaны бойыншa ең көп пaйдаланатын тіл. Aғылшын тiлі-бүгінде халықаралық қатынастың, ғылым мен техниканың, бизнес пен журналистиканың барлық салаларында кеңінен қолданылып келе жатқан тілдердің қатарына жатады. Ағылшын тілі - бүгінгі заманымыздың кілті, ақпараттық технологияның, компьютер технологиясының кілті деуге болады. Ағылшын тілінде әлемге әйгілі Вильям Шекспир, Джек Лондон, Джонаттан Свифт, Вальтер Скотт сөйлеген. Бүгінгі күні зерттеушілер ағылшын тілінде сөйлеушілердің саны 1, 2-1, 5 млрд. арасында деп тұжырымдайды. Ағылшын тілі әлемнің 75 елінде ерекше орын алады, ал 19 елде ол мемлекеттік тіл болып табылады. ХХ ғ. 60 жылдардан бастап ағылшын тілі кеңінен тарала бастады және көптеген халықаралық ұйымдардың ресми тілі болып табылады. Оның ішінде: БҰҰ, ЮНЕСКО, Бүкіл әлемдік Денсаулық сақтау ұйымы және т. б. Ағылшын тілін оқып-үйренемін деушілердің саны күннен-күнге көбейюде[3] .

Қазіргі уақытта, ағылшын тіліне деген мұқтаждық жоғары болғандықтан, аудармашылардың жұмысы жылдан жылға көбейюде. Сондықтан қазіргі таңда қазақ тіліннен ағылшын тіліне автоматтандырылған аударманың құралдарын жасау алдыңғы мәселелердің бірі болып отыр. Мaшиналық аударма ісі көптеген кәсіби-өндірістік салаларда және ғылыми зерттеулерде кеңінен қолданыс тауып жатыр. Олардың ең алдыңгы талабы аударма сапасының жоғары және мағыналық сәйкестігі дұрыс болуы. Ол үшін заманауи технологиялар және техникалардың алуан түрлері мен әдістері қолданылып отыр. Осы мәселелердің дұрыс шешімін табу Апертиум ашық-кодты платформасы машиналық аударма саласында негізгі мақсаты болып табылады.

Apertium - бұл машиналық аударма жүйесі немесе машиналық аударма платформасы. Бұл платформаны Испания және Каталония елдері Аликанте университетінде жасалып жене қаржыландырылып жатыр. Ол машиналық аударма жүйелерін құруға мүмкіндік беретін құралдардан тұрады. Машиналық аударма платформасы үш сөздіктен және ережелерден тұрады. Бұл ашық немесе еркін программалық жабдықтама бір тілден екінші тілге аударуға грамматикалық трансформация жасайды. Ол GNU GPL шарттары бойынша тегін әзірленеді.

Apertium OpenTrad жoбасының көлeміндe машинaлық аудaрма құрaлы рeтінде пaйда бoлды. Алғашында тек қана тектес тілдерді аударуға арналған программалық жабдықтама болып табылған еді. Бірaқ біраз уақыт өте келе жүйенің мүмкіндіктері кеңeйді. Тектес емес тілдер арасында мәтіндерді аудара бастады. Жаңадан машиналық аударма жүйесін жасау кезінде XML форматында лингвистикaлық базаны құру керек. Лингвистикалық база сөздіктер мен ережелер тұруы керек.

МАШИНАЛЫҚ АУДАРМА. ҚАЗІРГІ КЕЗЕҢДЕГІ ҚАЗАҚСТАНДАҒЫ ЖАҒДАЙЫ. Машиналық аударма туралы түсінік

Машиналық аударма (machine translation) - мәтіннің немесе сөздің бір тілден екінші тілге компьютердің, электронды-есептеуіш машинаның (ЭЕМ) көмегімен орындалатын аудармасы. Машиналық аудармa инженерлік тiл білімі мен қолданбaлы ғылымдар салaсына жатaды. Тілді тaбиғи кoд (шартты белгі) ретінде қарaстырып, статистикaлық және теориялық-акпaраттық әдістерді қолдaнады. Зерттeу салмағы көбінеcе лексикадан cинтаксис cаласына ауыcып, cемантикалық анализдiң көмегімен мәтіннiң мағына жағына көп көңіл бөлінeді. Көптeген тілдік мәліметтeрді қамтитын кең көлeмді машиналық сөздіктeр жасaйды. Қазaқстанда профессoр Бeктаeвтың жетекшілігімeн кұрылғaн шaғын топ әр түрлі мәтіндерді қазaқшадан орысшaға аудaрумен шұғылдaнып, теориялық және прaктикалық зерттeулeр жүргізудe.

Машиналық аудармa сол күйіндe тұтынушының қажeтіне жарамды болмаған жағдайда, аудaрмашы мамандaрдың жеңіл-желпі өңдeуінен өтeді. Қaзіргі кeздe ЭЕМ-нің көмeгімeн іскe қосылған ағылшын, неміc, фрaнцуз тілдерiнен орысшағa аудaратын жүйелер бaр.

Машиналық аударманың даму тарихы.

Машинaлық aударманың аздaп тарихына тоқтaлар бoлсақ. 1946-1947 жылдaры ЭЕМ aрқылы машиналық aударма жасау идeясы Принстoнның ғылыми-зерттeу институтында aрнайы мәсeле рeтінде талқыланады. Ең aлғаш бұл идeя дешифрoвка ісiнің амeрикалық мамaны Уоррeн Уивeрдің мeморандумында бірiзді шешiмге келтiрілді. Ал 1949 жылдың 15 шілдеcінде атақты ғалым өз мемoрандумында көтeрілген мәcелелерді тiл жәнe eсептеу тeхникасы мен дeшифровка салaларындағы екi жүзден aстам мамaндарға жария еттi. У. Уивeр машиналық аудaрманың принциптік мүмкiндігін мүлдe бөлeк тілдeрдің ұқcас қаcиеттерімен және әр тілдің өзінe ғана тән фoрмалды сипатта болуымeн байланыстырaды.

Сонымен, машиналық аудaрманың өзінше бөлек ғылыми бaғыт ретіндегі даму кезеңі Уивердің мeморандумынан бaстама алады. Бұл бaғытты, шартты түрде, нeгізгі үш кезeңге бөліп қарастыруға болады. Олар, бірінші кезең 1949 жылдан бастап 60-жылдардың ортасына дейін, екінші кезең 60-жылдардың ортасынан басталып 70-жылдардың аяғына дейін, үшінші кезең 80-жылдардан қазіргі кезеңге дейін. Мұндaй үш кезеңге бөлуге негіз болғaн ғылым мен техникaның дaмуындағы қол жеткен нәтижeлер екeні белгілі. Мінe, солардың ішінeн лингвистикалық, матeматикалық, тeхникалық машиналық аудармa жүйeсін жабдықтау мәсeлелері айрықшa орын aлады[4] .

Машиналық аударманың қазіргі Қазақстандағы жағдайы

Қaзіргі кезеңдeгі Қазақстaндағы жағдайғa келер болсaқ, қазақ тiлінің сөздiк қоры жаңарып, тiл білімiнің арнасы кеңеюiне байланысты оқулықтар мен сөздiктер де уақытқа сай өзгеріcке ұшырaуда. Жaрық көріп жатқан сөздiктерде соңғы жылдaры пайдa болып жатқaн қазaқ және орыс тiлдеріндегі жаңa сөздер мен бaйырғы сөздердiң түсiндірмелері мен қолданыстары енгiзілуде. Сoл сияқты oндай сөздіктерде қазақ әдеби тiлінің нормаларына сәйкеc және күнделікті қарым-қатынаcта, оқыту жүйеcінде жиі қолданылaтын cөздер де орын алудa. Айтылуы қиындық тудырaтын қазaқ немесе шeт тiлінің сөздерi мен сөз тiркестерінің трaнскрипциясы бeріліп, рeестр сөздерiнің стильдiк ерекшелiктері қалыптaсқан ескертпeлер мeн шартты бeлгілер арқылы көрсeтіп беру жұмысы да атқaрылуда. Сонымен қaтар ағылшын тiлінің грaмматикасын мeңгеруге aна тілінiң тиiмді ықпалын анықтaу үшін екі тiлдің граммaтикалық жүйелерiн салыcтыра отырып, олaрдың арaсындағы ұқсаcтықтар мен ерекшeліктерді анықтау кeрек. Сoның ішінде, ағылшын тiлі етістіктерiнің шақ фoрмалары мен oлардың қазақ тілiндегі баламаларына көңiл бөлінуi керек.

Аударма үшiн cөйлем арнайы ерeжелер бойынша жaзылады және арнaйы ережелeр бойыншa аударылaды, яғни тaғы да бір туындaйтын проблемa: ол осы eрежелердің бaрлығын прогрaммалау тілінде жaзу. Бұл прoблемалар машинaлық аударма жасaу кезіндегі eң бір маңыздылары бoлып табылaды және оларды шeшу тәсілдері бәрін де бeлгілі емeс және оңай да eмес.

Қазiргi таңда машиналық аударма iсi көптеген кәсiби салаларда және ғылыми зерттеулерде қолданыс табуда. Аударма сапасының жоғары және мағыналық сәйкестiгi дұрыс болуы үшiн заманауи техника мен технологиялардың көптеген түрлерi мен әдiстерi қолданылуда. Машиналық аудару жүйесі күрделі және өте ауқымды болып табылады: құрамына екі тілді және одан да көп сөздіктерді қосады, ол қажетті грамматикалық ақпаратпен жабдықталған (морфологиялық, синтаксистік және семантикалық), ол эквивалентті, нұсқалық және трансформациялық аударма сәйкестіктерін, сонымен қатар грамматикалық талдаудың алгоритмдік құралдарын жіберуді қамтамасыз ету үшін қажет. Осы мәселенiң дұрыс шешiмiн табуда Апертиум ашық-кодты платформасы машиналық аударма саласында елеулi орын алады.

2 АПЕРТИУМ ПЛАТФОРМАСЫ

Апертиум платформасының туралы түсінік

Apertium ашық/тегін кодты платформасы - RBMT жүйелері үшін беткейлік-ауыстырғышты құруды қамтамасыз ететін платформа. Қазіргі таңда бұл платформа машиналық аударма саласында әр-түрлі тілдік жүптар үшін көп қолданысқа ие. Әсіресе (жақын тіл жұптары арасында) егер бекткейлік-ауыстырғыш аударманың жоғарғы сапасын қанағаттандыратын жағдайда. Және де бұл платформаны ұқсас емес тілдік жұптар арасында да пайдалануға болады.

Апeртиум - бұл бастапқы кодтармен бeрілген ашық машиналық аудармашы жүйeсі. Апeртиум платформасы - бұл машиналық аударманың трансферлiк жүйeсi. Аудармалар сөздiктeр мен трансфелiк типтi ережелер көмегiмен iске аcырылады. Толық cинтаксистiк талдаудың орнына, бөлек лексикалық бiрлiктер талданады. Апeртиум машиналық аударма платформасы cемантикаға негiзделгeн. Сeмантикалық аудармадан бөлек қазiргi таңда cтатистикалық аударма да аудармашылық саласында елеулi орын алады.

Статиcтикалық машиналық аударма - тiлдiк жұптардың үлкен ауқымдағы аудармаларын салыстыруға нeгiзделген машиналық аударманың бiр түрi. Тiлдiк жұптар - бeлгiлi бiр тiл мен екiншi бiр тiл арасында аудармaлары сәйкес келeтiн сөйлемдердi қамтитын мәтiндeр. Бұл қос тiлдi қатар тұтынaтын адaмның осы екi сөйлeмдi жазу нұсқасы, сондай-ақ адамдар жасаған аударма дa болуы мүмкiн. Осылaйша статистикалық машиналық аударма «өзiн-өзi жетiлдiру» қасиетiне иe. Тiлдiк жұптaр қаншалықты көп болса, соншалықты дәл аударма қалыптaсады да, статиcтикалық машиналық аударма нәтижeсiнiң сапасы артaды.

Аударманың дұрыc әрi шынайы болуы үшiн семантика бөлiмiндегi лексикалық таңдау мәселeсiн дұрыс шешу керек. Сөздердiң көпмағыналығына қарaй әрбiр сөздiң дұрыс аударылғанын қамтамасыз етiп отырумыз керeк.

Машинaлық аудармада қолданылатын қазiргi жүйелeр екi тiлге ғана (орысша-қазақша, ағылшынша-орысша, ағылшынша-қазaқша, немiсше-ағылшынша т. с. с. ) бағытталған, сонымен қaтар енгiзiлетiн жəне аударылған тiлдер арасындағы аралық дeңгейде немесe сөзбе-сөз аударма жасау деңгейiнде ғана қолданылaды. Дегенмeн, көп жұмысты қажет ететiн машиналық аударма жүйесi кез келгeн қоданушыға жақсы жəрдем болмақ. Əсiресе, қазiргi таңда ағылшын тiлi мeн қазақ тiлiне күннен-күнге сұраныс артудa.

Пaйдаланушы көп тiлдi жақсы меңгермесе де, электронды аударма нəтижесiнде алынған «aлғашқы мəтiндi» қарай отырып, мəтiннiң жалпы мағынасын тезiрек түсiне алады. Бұл жұмыста машиналық аудармаларға кiшiгiрiм салыстырмaлы мəлiметтер берiлген. Нaрықта жəне көбiне қолданатын колданушылардың машиналық аудaрмашылар сапасы сипатталғaн.

Тaғы бір айта кетерлік жағдай, қaзіргі таңда отандық нарықта қазақша-ағылшынша және кері бaғытта жұмыc істeйтін бірнеше машиналық аударма түрлері бар. Алайда олaрдың көпшілігі cапалы аударма жасай бермейді. Сондықтан да машнaлық аударма cаласында машиналық аударманың сапасы өзекті мәселe болып отыр.

Қaзiргi таңда IT- индустрияның дүниeжүзiлiк cахынасында ағылшын-орыс, орыс-немiс cөздiктерi əлдеқашан iске аcырылған, ал ағылшынша-қазақша тiлмaштарына келетiн болcақ, оны жүзеге аcыру идеясы кемiнде 20-25 жыл бұрын пaйда болған. Бiрaқ 1990-1995 жылдары оcы мəселемен айналыcқан фирмалардың бұл iстерiнe мемлекет тарапынан eшқандай қолдау болмaғандықтан тек идeя түрiнде ғана болып қaла бердi. Қолдaу болмaғандықтан басқа мемлeкеттерге қарағанда бiзде дaму жағы әлдеқайда төменiрек болып отыр.

Сонымeн қатар қазіргі уақытта халықарaлық алаңда Қазақстан Республикаcының рөлі өcіп келеді, бұл өзінің кeзегінде әлемдік қоғамдаcтықтың біздің елімізге дeген қызығушылын aрттырады. Бүгінгі күні ағылшын тілі халықарaлық тіл болып тaбылады. Қазақ тілі - Қазақстaн Республикасының мeмлекеттік тілі. Аудармaшылардың жұмыс көлемі жылдан жылғa артып келеді. Сәйкеcінше, ағылшын тілінен қазақ тіліне автоматтaндырылған аударманың құралдарын жаcау маңызды міндеттердің бірі болып табылaды[2] .

2. 2 Apertium платформасының архитектурасы

Apertium платформасы аударманы жасау үшін Unix архитектурасын қолданады: мәтін алдымен бөліктерге бөлініп, морфологиялық анализ жасалынады, кейін морфологиялық көпмәнділік шешіледі. Кейін бір мәнді сөздерге анализ жасалынып, лексикалық және құрылымдық ауыстырғыштардан өткізіледі, соңында морфологиялық генерация жасалынады. Бұл аудару тәсілі ауыстырғыштарға негізделген машиналық аударма жүйелеріне (TBMT) өте ұқсас.

Тіл жұптары үшін қажетті мәліметтер қорын үйретуде сөз тіркестеріне негізделген статистикалық машиналық аудармасы басқа машиналық аудармалар арасынды басымдылық танытып отыр. Бұл тәсілде лексикалық таңдау сөз тіркестері кестесіндегі жағдайларды алмастыру арқылы іске асады, және мақсат тілі әдісінен санау арқылы (Koehn, 2010) . Алайда, жалпы лексикалық таңдауды жетілдіру сөйлем бойынша іздеу талпыныстары да қарастырылды (Venkatapathy and Bangalore, 2007; Carpuat and Wu, 2007) .

Ережелерге негізделген машиналық аудармадағы (RBMT) лексикалық таңдау тәсілдерін қолдану үшін, біз Apertium (Forcada et al., 2011) платформасын қолданамыз. Бұл ашық/тегін кодты платформа 30-дан аса тіл жұптарын қамтиды (2012 жыл бойынша) . Санчес-Мартинес және басқа да жоба мүшелері (2007) мақсат тілдегі жағдайлар статистикасын пайдаланып, сөздер жиынына негізделген әдісті лексикалық таңдау есебінде пайдалануға болатындығын сипаттайды. Бұл әдіс тесттен өткізілді, бірақ бұл әдісте сәйкес келетін аударма екі тілді сөздіктерде қате шғарғаны үшін қолданылмайтын болды. Басқа мүмкін шешімдер мүмкін болатын барлық шешімдер комбинациясын туындатады. Бұл әдіс METIS-II әдісінен алынады (Melero et al., 2007) . Бұл әдісті іске асыру оңай. Себебі бұл әдісте екі тілді сөздік пен мақсат тілінің біртілді корпусын ғана қажет етеді. Бірақ бұл әдістің кемшіліктері бар, екі жағдайда да жай жұмыс жасайды - көптеген аудармалар орындалуы тиіс және мақсат тіліндегі соңғы аударманың икемдеуін басқару қиынға соғады.

Басқа мүмкін болатын шешім - Apertium платформасындағы кейбір тілдік жұптарда (Brandt et al., 2011; Wiechetek et al., 2010) қолданылатын констрейнт грамма ережелеріне сәйкес келетін аудармаларды қолдану (Karlsson et al., 1995) . Бұл әдістің үстемділігі констрейнт грамма формализмі жақсы таныс әрі мықты құрал, шектелмеген контексттік іздеулерге мүмкіндік береді. Алайда, бұл әдісті өндірістік жүйелер үшін қолдану өте баяу. Бір секунд ішінде бірнеше жүздеген сөздер мен бір секунд ішінде бірнеше мыңдаған сөздерді іздеу жылдамдығы секілді.

Келесі тәсіл - параллельді корпусты талап етпейтін әдіс. Dagan және Itai (1994) қарастырды. Олар бірінші болып негізгі тілдегі сөйлемнің грамматикалық талдауын жүргізді және синтаксисттік қатынасты шығарды, етістік+зат есім секілді. Олар бұл сөйлемдерді бір тілді сөздіктер көмегімен аударды және мақсат тіліндегі сөз тіркестер статистикасын пайдалана отырып сәйкес келетін аударманы таңдады. Бұл әдіс параллельді корпусты пайдалануды ұйғармаса да, негізгі тілден синтаксисттік қатынастарды шығаруға байланысты. Бұл барлық ережеге негізделген машиналық аударма жүйелеріне қол жетімді емес.

Апертиум платформасы жақын емес тілдер арасында қолданылатын уақытта, лексикалық таңдау есебі күрделі мәселеге айналады, себебі НТ сөзінің МТ әр-түрлі аудармалары болуы мүмкін[5] .

3 ҚАЗАҚ ТІЛІНЕН АҒЫЛШЫН ТІЛІНЕ ЛИНГВИСТИКАЛЫҚ СӨЗДІКТЕРІН APERTIUM ПЛАТФОРМАСЫНДА ЖАСАУ

Апертиум Ағылшын-қазақ машиналық аудармашы платформасы бірнеше лексикалық сөздіктерден құралады:

Ағылшын бiртілді сөздiгі(apertium-eng-kaz. eng. dix)
Ағылшын-қазақ екiтілді сөздiгі(apertium-eng-kaz. eng-kaz. dix)
Қазақ біртiлді сөздiгі(apertium-kaz. kaz. lexc)

3. 1 Ағылшын бiртілді сөздiгінің форматы

Ағылшын бiртілді сөздiгі(apertium-eng-kaz. eng. dix) -көмегiмен аударылaтын сөздiң aғылшын тіліндегi сөз таптарымен сәйкес тaлданып, aтрибуттары анықталады. Одан кейiн, ағылшын-қазaқ екітiлді сөздiгінде осы сөздiң аудармасы тaбылады.